本文详细介绍了聚类中的几种算法，包括欧氏距离、K均值、均值漂移、凝聚层次算法和DBSCAN。K均值需要预设聚类数，而均值漂移能自动识别聚类。凝聚层次算法适用于确定聚类数的情况，DBSCAN则基于密度进行聚类。轮廓系数用于评估聚类效果。
十三、聚类
1. 样本相似性：欧氏距离
- 用两个样本对应特征值之差的平方和之平方根，即欧氏距离，来表示这两个样本的相似性。
P ( x 1 ) − Q ( x 2 ) : ∣ x 1 − x 2 ∣ = ( x 1 − x 2 ) 2 P(x1)-Q(x2):|x1-x2|=\sqrt{(x1-x2)^2} P(x1)−Q(x2):∣x1−x2∣=(x1−x2)2
P ( x 1 , y 1 ) − Q ( x 2 , y 2 ) : ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 P(x1,y1)-Q(x2,y2):\sqrt{(x1-x2)^2+(y1-y2)^2} P(x1,y1)−Q(x2,y2):(x1−x2)2+(y1−y2)2
P ( x 1 , y 1 , z 1 ) − Q ( x 2 , y 2 , z 2 ) : ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 + ( z 1 − z 2 ) 2 P(x1,y1,z1)-Q(x2,y2,z2): \sqrt{(x1-x2)^2+(y1-y2)^2+(z1-z2)^2} P(x1,y1,z1)−Q(x2,y2,z2):(x1−x2)2+(y1−y2)2+(z1−z2)2
最低0.47元/天 解锁文章
1278
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
