机器学习算法——聚类1（性能度量——外部指标Jaccard系统，FM指数，Rand指数；内部指标：DB指数，Dunn指数）

Vicky_xiduoduo

于 2022-08-09 16:52:20 发布

阅读量2.6k

点赞数

分类专栏：聚类文章标签：聚类算法机器学习

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/Vicky_xiduoduo/article/details/126235309

版权

1.聚类简介

在“无监督学习”中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础。此类学习任务中研究最多、应用最广的是“聚类”。

聚类将数据集中的样本划分为若干个通常不相交的子集，每个子集称为一个“簇”（类别）。聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名。

形式化表达如下：

假定样本集 $D=\{x_1,x_2,...,x_m\}$ 包含m个无标记的样本，每个样本 $x_i=\{x_{i1},x_{i2},...,x_{in}\}$ 是一个n维特征向量，则聚类算法将样本集D划分为k个不相交的簇 $\{C_{l}|l=1,2,...,k\}$ ,其中 $C_{l'} \cap_{l'\neq l} C_{l} = \phi$ 且 $D=\cup^{k}_{l=1} C_l$

相应地，用 $\lambda_j \in \{1,2,...,k\}$ 表示样本 $x_j$ 的“簇标记”，即 $x_j \in C_{\lambda j}$

则，聚类的结果可用包含m个元素的簇标记向量 $\lambda = (\lambda_1,\lambda_2,...,\lambda_m)$ 表示。

聚类既能作为一个单独过程，用于寻找数据内在的分布结构&#x

最低0.47元/天解锁文章

关注

0
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
机器学习算法——聚类1（性能度量——外部指标Jaccard系统，FM指数，Rand指数；内部指标：DB指数，Dunn指数）

性能度量——外部指标Jaccard系统，FM指数，Rand指数；内部指标：DB指数，Dunn指数
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。