人工智能經(jīng)典電子書ml-22-20181020-密度聚類-層次聚類_第1頁
人工智能經(jīng)典電子書ml-22-20181020-密度聚類-層次聚類_第2頁
人工智能經(jīng)典電子書ml-22-20181020-密度聚類-層次聚類_第3頁
人工智能經(jīng)典電子書ml-22-20181020-密度聚類-層次聚類_第4頁
人工智能經(jīng)典電子書ml-22-20181020-密度聚類-層次聚類_第5頁
已閱讀5頁，還剩10頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

聚類算法機器學習(MachineLearning)大綱2018年10月6日聚類任務、性能度量、距離計算實戰(zhàn)2018年10月13日原型聚類實戰(zhàn)2018年10月20日密度聚類、層次聚類實戰(zhàn)大綱

聚類任務性能度量距離計算原型聚類

密度聚類

層次聚類密度聚類密度聚類的定義

密度聚類也稱為“基于密度的聚類”(density-basedclustering)。此類算法假設聚類結構能通過樣本分布的緊密程度來確定。

通常情況下，密度聚類算法從樣本密度的角度來考察樣本之間的可連接性，并基于可連接樣本不斷擴展聚類簇來獲得最終的聚類結果。

接下來介紹DBSCAN這一密度聚類算法。密度聚類DBSCAN算法：基于一組“鄰域”參數(shù)來刻畫樣本分布的緊密程度?；靖拍睿亨徲颍簩颖?，其鄰域包含樣本集

中與的距離不大于的樣本；核心對象：若樣本的鄰域至少包含MinPts個樣本，則該樣本點為一個核心對象；密度直達：若樣本位于樣本的鄰域中，且是一個核心對象，則稱樣本由密度直達；密度可達：對樣本與，若存在樣本序列，其中

，且由密度直達，則該兩樣本密度可達；

密度相連：對樣本與，若存在樣本使得兩樣本均由密度可達，則稱該兩樣本密度相連。密度聚類

密度聚類

密度聚類DBSCAN算法偽代碼：密度聚類聚類效果：大綱

聚類任務性能度量距離計算原型聚類密度聚類

層次聚類層次聚類層次聚類在不同層次對數(shù)據(jù)集進行劃分，從而形成樹形的聚類結構。數(shù)據(jù)集劃分既可采用“自底向上”的聚合策略，也可采用“自頂向下”的分拆策略。AGNES算法（自底向上的層次聚類算法）

首先，將樣本中的每一個樣本看做一個初始聚類簇，然后在算法運行的每一步中找出距離最近的兩個聚類簇進行合并，該過程不斷重復，直到達到預設的聚類簇的個數(shù)。

層次聚類最小距離：最大距離：平均距離：兩個聚類簇和的距離，可以有3種度量方式。層次聚類–樹狀圖AG

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論