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,