【数学建模】聚类模型 - K-means & 系统(层次)算法

聚类和分类的区别

聚类是不知道类别,自己分类

分类是已知类别的

聚类模型

K-means聚类

数据对象即样本

聚类中心即重心

PS:和我们初始化选择的中心有很大关系

如何写在论文里

因为算法步骤太长了,而且易被查重

因为算法太长了,放流程图:

一样的意思,但是更让人喜欢

优缺点:

改进 K-means++算法

K值这么定,量纲不一样怎么办?

不需要指定K的算法:系统(层次)算法

样本和样本直接的距离如何计算

样本和样本之间的距离

绝对值距离和欧式距离最常用

绝对值距离更多的用于网状数据

指标和指标之间的距离(不常用、用于指标分类)

指标分类,不常用

类与类之间的距离

因为样本和样本被划分为不同的类,就被划分到不同的类了

组间、组内用的多

系统聚类的流程图

流程图

需要注意的问题:

有没有算法能帮助我们确定k的值:肘部法则

论文里如何解释?

©️2020 CSDN 皮肤主题: 游动-白 设计师:上身试试 返回首页