层次聚类方法
定义:对给定的数据集进行层次的分解,直到某种条件满足为止
分为:
1.凝聚的层次聚类:AGNES算法
– 一种自底向上的策略,首先将每个对象作为一个簇,然后合并这些原子簇为越来越大的簇,知道某个中介条件被满足
2.分裂的层次聚类:DIANA算法
– 采用自顶向下的策略,首先将所有对象置于一个簇中,然后逐渐细分为越来越小的簇,直到达到了某个终结条件
AGENS
簇间距离:
1.最小距离:两个集合中最近的两个样本的距离
缺点:容易形成链状结构
2.最大距离:两个集合中最远的两个样本的距离
缺点:若存在异常值则不稳定
3.平均距离:
1.两个集合中样本间两两距离的平均值
2.两个集合中样本间两两距离的平方和
密度聚类方法
定义:只要样本点的密度大于某阈值,则将该样本添加到最近的簇中
优点:克服基于距离的算法只能发现“类圆形”(凸)的聚类的缺点,可发现任意形状的聚类,且对噪声数据不敏感。
缺点:计算密度单元的计算复杂度大,需要建立空间索引来降低计算量
DBSCAN算法
全名:Density-Based Spatial Clustering of Applicationns with Noise
-
定义:将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并可在有“噪声”的数据中发现任意形状的聚类
-
相关概念:
1.对象的 ε − 邻 域 \varepsilon-邻域 ε−邻域:给定对象在半径 ε \varepsilon ε内的区域
2.核心对象:对于给定的数目m,如果一个对象的 ε − 邻 域 \varepsilon-邻域 ε−邻域至少包含m个对象,则称该对象为核心对象
3.直接密度可达:给定一个对象集合D,如果p是在q的 ε − 邻 域 \varepsilon-邻域 ε−邻域内,而q是一个核心对象,我们说对象p从对对象q出发是直接密度可达的
4.密度可达:如果存在一个对象链 p 1 , p 2 , . . . p n p_1,p_2,...p_n p1,p2,...pn,其中 p 1 = q ,