数据挖掘导论 之 聚类分析

这篇文章对《数据挖掘导论》中聚类分析这部分做一个总结。

聚类

• 含义：根据在数据中发现的描述对象及其关系的信息，将数据对象分组
• 目标：组内的对象相互之间是相似的，而不同组中的对象是不同的。组内的相似性越大，组间差别越大，聚类就越好。
• 类型：
  
  • 划分聚类(partitional clustering)：将数据对象划分成不重叠的子集，使得每个数据对象恰在一个子集中。
  • 层次聚类(hierarchical clustering)：允许簇有子簇。
  • 互斥的(exclusive)：每个对象都被指派到单个簇。
  • 重叠的(overlapping)：一个对象同时属于多个组。
  • 模糊的(fuzzy)：每个对象以一个0和1之间的隶属权值属于每个簇。
  • 完全聚类(complete clustering)：每个对象指派到一个簇。
  • 部分聚类(partial clustering)：数据集中某些对象不属于明确定义的组。
• 簇类型：
  
  • 明显分离的：每个点到同簇中任一点的距离比到不同簇中所有点的距离更近。
  • 基于原型的：每个点到定义该簇的原型的距离比到其他簇的原型的距离更近。
    
    • 连续属性的数据：质心（所有点的平均值）
    • 数据具有分类属性：中心点
  • 基于密度的：簇是对象的稠密区域，被低密度的区域环绕。
• 聚类方法
  
  • 基于划分的：K-Means, K-Medoids，