- Density Based Methods(基于密度的方法)
- 图片特征
- 很多噪点
- 数据分布不规则
- 好处
- 和人眼的感觉接近
- 不用事先设定K值,可以基于形状自动判断
- 图片特征
- DBSCAN
- 解释
- 核心思想:把点分成了三类
- 核心点:以此点为中心画一个圈,如果这个圈中有足够多的点,那这个点就是核心点
- 边缘点:我能找到一个核心点,且画一个圈,我在这个圈里面,我和核心关系近,但我自己不是核心
- 噪点:不是核心点且与核心点“拉不上关系”,只能是噪点(是要被过滤掉的点)
- 核心思想:把点分成了三类
- DBSCAN中的连通性概念
- DBSCAN的定义
- 解释
- 簇:从一个核心点出发,把所有能够连通的点都“收”起来
- 从一个没有被处理过的点出发,如果它是核心点,就尽量通过“朋友圈”膨胀到最大
- 一般通过递归的方式:例如,我有十个朋友,这十个朋友又有他们的朋友
- 与K-Means(不管什么点是否是噪点,我都给你“聚了”)不同,DBSCAN会过滤“不合群”的点
- 解释
- 解释
- Hierarchical Clustering(层次型聚类)
- 解释
- 特点:从底往上,把所有可能的聚类都“聚”出来,然后再根据需要决定分成几个簇
- 方法:(Hierarchical) Agglomerative Methods:(分层)聚类法
- 解释
- 由底向上的
- 是一个迭代过程
- proximity matrix(时间、空间上的“靠近”) :距离矩阵
- Example:如何计算簇之间的距离:计算方法可有所不同
- 解释
- 目的:做城市之间的一个聚类
- 6*6的矩阵代表两个城市之间的距离(可以只看下三角)
- 找到最小距离的两个城市后,合并并更新矩阵距离值,变为5*5矩阵
- 使用“single link”方式:MI/TO与NA/RM合并前后的距离选择了754与564中的最小值564作为新的矩阵中的距离值
- 解释
- Single Link VS. Complete Link (Min vs. Max)
- 解释
- 解释
- Reading Materials
6.4密度与层次
最新推荐文章于 2024-08-20 13:13:08 发布