聚类模型a

聚类和分类的区别：分类是已知类别的，聚类未知。

目录

1.算法流程图（避免查重）

2.评价

K-means++算法

1.概念

​

2.SPSS操作

​ 3.关于k-mean算法的一些讨论，一般不同模型要使用对应的标准化公式去消除量纲的影响

 系统聚类法（一般最常用）

1.流程图​

2.分类准则

3.样品与样品间的距离

​4.指标与指标间的常用距离

5.类与类之间的距离

6.SPSS操作

7.聚类谱系图（树状图）

8.用图形估计聚类的数量：肘部法则​

DBSCAN算法

1.概念

 2.伪代码

3.优缺点

---

1.算法流程图（避免查重）

2.评价

优点： （1）算法简单、快速。 （2）对处理大数据集，该算法是相对高效率的。 缺点： （1）要求用户必须事先给出要生成的簇的数目K。 （2）对初值敏感。 （3）对于孤立点数据敏感。

K-means++算法

1.概念

2.SPSS操作

 3.关于k-mean算法的一些讨论，一般不同模型要使用对应的标准化公式去消除量纲的影响

 

 系统聚类法（一般最常用）

1.流程图

 

2.分类准则

3.样品与样品间的距离

4.指标与指标间的常用距离

 

5.类与类之间的距离

类是样品的集合

 1）最短距离

2）最长距离 

3）组间平均连接法

4）组内平均连接法

 

 5）重心法

 例子

6.SPSS操作

单个解：可以设置k值，设置分成几类  

7.聚类谱系图（树状图）

聚类的个数可以自己从图中决定。解决了k均值算法的第一个缺点 

 

8.用图形估计聚类的数量：肘部法则

 步骤

* 2/3个指标即二维三维才可以作图

 

 写到论文：用肘部法则确定k值

DBSCAN算法

1.概念

 2.伪代码

3.优缺点