贝叶斯信念神经网络
bayes belief network (BNN),
朴素贝叶斯分类器需要特征之间相互独立的强条件,制约了模型的适用,
用有向无环图表达变量之间的依赖关系,变量用节点表示,依赖关系用边表示,
祖先,父母和后代节点。贝叶斯网络中的一个节点,如果他的父母节点已知,则它条件独立于他的所有非后代节点
每个节点附带一个条件概率表(CPT),表示该节点和父母节点的联系概率。
分类具有学习能力,
聚类没有学习能力,没有学习集
聚类的依据
1.密度
2距离
根据选定的点距离中心点的距离进行分类,距离较近的一些点倾向于归为同一类,距离交易员的点应归属不同的类,所定义的距离一般满足如下四个条件
d_ij>0,对一切i和j均成立
d_ij=0,当且仅当第i个样本与第j个样本的个变量在相同
d_ij=d_ji
d_ij<=d_ik+d_kj
绝对值距离
d_ij=|x_ik-x_jk|(k从1到p,进行求和)
欧氏距离
马科夫斯基距离
切比雪夫距离
马氏距离
lance距离和Williams距离
离散变量的距离计算