kmeans算法过程
kmeans++与kmeans不同之处在于初值的选择上。
距离度量方式
K-Means聚类算法原理
用scikit-learn学习K-Means聚类
BIRCH聚类算法原理
scikit-learn之BIRCH类
DBSCAN密度聚类算法
用scikit-learn学习DBSCAN聚类
谱聚类(spectral clustering)原理总结
用scikit-learn学习谱聚类
各向异性,马氏距离
初始的簇心相距较远
将距离转成概率,以概率选择相应距离的点
不平衡数据的分类问题:把少类看成噪声,去除噪声
默认每个类别属于方差相同的高斯分布——>k-means minibatch方法
K值的选择
轮廓系数
层次聚类算法