聚类特征变量选取、聚类算法与效果评价简述

最新推荐文章于 2023-10-18 20:31:14 发布
VIP文章 最新推荐文章于 2023-10-18 20:31:14 发布
阅读量2.5w 收藏 45
点赞数 4
分类专栏： Clustering
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dylanchen14/article/details/51406125
版权

对data的各个feature进行预处理

1. feature的选择：用相关性、基尼系数、信息熵、统计检验或是随机森林选取最为重要的特征变量

2. 如果需要，对一些特征变量进行scaling

3. 对数据进行变换：离散傅里叶变换或离散小波变换

4. 可以对数据进行降维处理，映射到低维度空间进行展示，观察数据形状，帮助选择聚类算法

降维的一些选择：

线性方法，PCA

非线性特征十分明显的数据集：流行学习(ISOMAP, LLE, MVU, Kernel PCA)

谱聚类：spectral clustering



最低0.47元/天 解锁文章
坚持翻译paper
关注
  • 4
    点赞
  • 踩
  • 45
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
数据预处理：特征聚类的策略
禅与计算机程序设计艺术
03-04 32
1. 背景介绍 1.1 数据预处理的重要性 在机器学习和数据挖掘领域，数据预处理是一个至关重要的步骤。它涉及到数据的清洗、转换、规范化等操作，以便更好地为后续的建模和分析做准备。数据预处理的质量直接影响到模型的性能和准确性。在这个过程中，特征聚类作为一种有效的数据预处理方法，可以帮助我们发现数据中
Diana.rar_DIANA算法_层次 聚类_层次聚类diana_聚类算法diana
07-14
经典层次聚类算法DIANA，MATLAB编程，简单易懂，可以运行
各种图像特征聚类算法
11-08
对主要聚类算法进行实现：基于划分的聚类算法，基于密度的聚类算法，基于层次的聚类算法。并且重点实现“基于快速搜索与寻找密度峰值的聚类”算法，并对其进行改进：自动获取聚类中心数
使用numpy实现的聚类算法（包括时空聚类算法）
05-29
MYDBSCAN：基于密度的聚类DBSCAN（Density-Based Spatial Clustering of Applications with Noise）算法的底层实现 MYAP：基于划分的聚类AP（Affinity Propagation Clustering Algorithm ）算法的底层实现--近邻传播聚类算法 Adaptive-DBSCAN：自适应的基于密度的空间聚类（Adaptive Density-Based Spatial Clustering of Applications with Noise）算法的底层实现 MYOPTICS：基于密度的聚类OPTICS（Ordering points to identify the clustering structure）算法的底层实现 MYKMeans：基于划分的聚类KMeans算法的底层实现 MYCFSFDP：基于划分和密度的聚类CFSFDP（Clustering by fast search and find of density peaks）算法的底层实现
聚类算法总结
weixin_34349320的博客
10-05 572
聚类算法的种类：基于划分聚类算法（partition clustering)k-means：是一种典型的划分聚类算法，它用一个聚类的中心来代表一个簇，即在迭代过程中选择的聚点不一定是聚类中的一个点，该算法只能处理数值型数据k-modes：K-Means算法的扩展，采用简单匹配方法来度量分类型数据的相似度k-prototypes：结合了K-Means和K-Modes两种算法，能...
聚类分析入门（理论）
weixin_44841312的博客
04-07 7478
一，聚类分数是什么？ 聚类分析是通过建立一种分类的方法，将一批样本数据（或者变量），按照他们在性质上的亲疏程度在没有前提假设的情况下自动进行分类。 1，一个类就是具有相似性的个体集合，不同类之间具有明确的相似性； 2，在分类中，不需要事先给出一个分类标准，聚类分析能够从样本数据出发，客观地决定分类标准。 二，聚类分析的步骤是什么？ 1，选择聚类的变量：依靠理论和经验选择变量 ...
聚类的一些评价手段
热门推荐
luoleicn的专栏
03-05 4万+
什么是聚类聚类简单的说就是要把一个文档集合根据文档的相似性把文档分成若干类，但是究竟分成多少类，这个要取决于文档集合里文档自身的性质。下面这个图就是一个简单的例子，我们可以把不同的文档聚合为3类。另外聚类是典型的无指导学习，所谓无指导学习是指不需要有人干预，无须人为文档进行标注。 聚类的评价既然聚类是把一个包含若干文档的文档集合分成若干类，像上图如果聚类算法应该把文档集合分成3
市场研究中的数据分析知识整理 （三）-聚类分析
enersto
07-29 3570
聚类分析
数据挖掘（6）聚类分析
qq_62377885的博客
10-18 2423
原则: 组内数据有较高相似度、不同组数据不相似相似性的度量(统计学角度):Q型聚类:对样本聚类(行聚类)R型聚类:对变量聚类(列聚类)间隔尺度变量(数值型变量):可加可比有序尺度变量(叙述型变量):不可加可比名义尺度变量(名义型变量):不可加不可比定义1:任意元素，间距离满足:适合:团簇状定义2:任意元素,间距离满足(类内平均距离)适合:团簇状定义3:对于任意元素,存在使得其满足(不要求任意两个元素)适合:长条状基于密度聚类方法。
使用mclust进行聚类分析
xuzhougeng blog
11-09 1万+
mclust(Model-based clustering) 能够基于高斯有限混合模型进行聚类，分类以及密度估计(density estimation)。对于具有各种协方差结构的高斯混合模型，它提供了根据EM算法的参数预测函数。它也提供了根据模型进行模拟的函数。还提供了一类函数，整合了基于模型的层次聚类，混合估计的EM算法，用于聚类、密度估计和判别分析中综合性策略的贝叶斯信息判别标准。最后还有一...
实验二 聚类算法,聚类分析的算法,matlab
09-11
kmeans和dbscan的聚类算法的matlab实现
论文研究-基于聚类SURF特征的商品识别算法.pdf
07-22
图像存在遮挡、尺度缩放、多干扰时，传统加速鲁棒特征（SURF）算法会产生错误匹配问题，提出一种基于匹配角度聚类的匹配算法。算法先提取SURF特征点，利用特征点的主方向信息进行图像角度矫正，再统计并聚类粗匹配对...
深度学习之聚类
怪兽!!!的博客
04-03 2662
聚类(Clustering)是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。也即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。
常用分类聚类算法
SHNU_PFH的博客
12-11 5454
什么是分类 分类任务就是明确对象属于哪个预定义的目标类。其中预定义的目标类是离散时为分类，连续时为回归。 有哪些分类方法 常用的分类算法有决策树，基于规则的分类算法，神经网络，支持向量机和朴素贝叶斯分类法等。（参考常用分类算法总结） 决策树 基于规则的分类算法 朴素贝叶斯 杂货铺 最近邻分类器 贝叶斯信念网络（BBN）
聚类 监督聚类 k-means聚类
生信小博士的博客
11-07 1461
Wikipedia上的 KNN词条 中有一个比较经典的图如下：KNN的算法过程是是这样的：从上图中我们可以看到，图中的数据集是良好的数据，即都打好了label，一类是蓝色的正方形，一类是红色的三角形，那个绿色的圆形是我们待分类的数据。如果K=3，那么离绿色点最近的有2个红色三角形和1个蓝色的正方形，这3个点投票，于是绿色的这个待分类点属于红色的三角形。如果K=5，那么离绿色点最近的有2个红色三角形和3个蓝色的正方形，这5个点投票，于是绿色的这个待分类点属于蓝色的正方形。
K-means clustering 介绍论文
john987123的专栏
03-18 741
论文：基于距离的划分聚簇算法 [http://blog.csdn.net/kingskyleader/article/details/6064838] 叶若芬  李春平 （清华大学软件学院  北京  100084） 摘  要：k-means算法在聚簇大的数据集时是公认比较有效的算法之一，然而它只能应用在具有数值属性描述的数据对象集合上，这种数据对象叫做数值数 据；却无法应用于真实世界中
Clustering：Model-Based Algorithm
Coding、Learning and Sharing
03-13 1106
Clustering：Model-Based Algorithm   我们在前面学习过的Clustering算法模型有： 基于划分(Partitioning)：K-Means及其扩展算法 基于层次(Hierarchical)：Hierarchical Cluster算法 这两类算法能够在大多数常规数据空间中运行良好，但是其缺点也是比较明显。数据本身的特性，如欧式空间限制、初始值限制等...
强化学习之五：基于模型的强化学习（Model-based RL）
MapleStory的博客
01-07 1万+
本文是对Arthur Juliani在Medium平台发布的强化学习系列教程的个人中文翻译，该翻译是基于个人分享知识的目的进行的，欢迎交流！（This article is my personal translation for the tutorial written and posted by Arthur Juliani on Medium.com. And my work is compl
kmeans聚类算法相比于其他聚类算法效果怎么样
最新发布
04-18
K-means聚类算法是一种常用的无监督学习算法，它将数据集划分为K个不同的簇。相比于其他聚类算法，K-means算法有以下几个特点和效果： 1. 简单而高效：K-means算法是一种迭代的、基于距离的聚类算法，计算简单且速度较快。它通过不断更新簇中心来优化聚类结果。 2. 对大规模数据集有效：K-means算法在处理大规模数据集时表现良好，因为它的时间复杂度较低。 3. 对于凸形簇效果较好：K-means算法在处理凸形簇的数据集时效果较好，能够将数据集较好地划分为不同的簇。 4. 对噪声和异常值敏感：K-means算法对噪声和异常值比较敏感，可能会将它们错误地归为某个簇中。 5. 需要预先指定簇的数量：K-means算法需要预先指定簇的数量K，这对于一些数据集来说可能是一个挑战。 6. 对初始簇中心的选择敏感：K-means算法对初始簇中心的选择比较敏感，不同的初始选择可能导致不同的聚类结果。 综上所述，K-means聚类算法在一些特定的情况下表现良好，但也存在一些限制。在实际应用中，我们需要根据具体的数据集和问题选择合适的聚类算法。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值