学堂在线_大数据与机器学习_第5章聚类

一个簇可以只包含一个样本，也可以包含多个样本

• 聚类的结果可用包含m个元素的簇标记向量 表示

如何度量

外部指标
a 两个都在同一类
b 外同一类，内不同一类
c 内同一类，外部同一类
d 内外都部署同一类

指标都是越大越好

内部指标
每簇内部的平均距离
每簇内部的两两样例的最大距离
簇与簇间最近的样本间的距离
簇与簇间中心点之间的距离

DB指标：任意两个数的簇内平均距离之和两个簇中心距离的比值，然后找寻最大值，这个值越小越好
Dunn指标：每个簇与其他簇的样本间距离最小值，再除以簇内样例间距离的最大值，越大越好

距离度量的性质

距离计算

无序属性的距离度量方法

加权距离

簇内均值向量

均值向量

样例有类别标签

根据方向来更新向量，步骤6：相同，原型向量和样本靠近，不相同原型向量和样本远离

密度聚类 DBSCAN是基于密度的聚类

定义

X2由X1密度直达
X3由X1密度可达
X3与X4密度相连

随机构建种子

实心点为核心对象，空心点为非核心对象，星形为噪音对象

层次聚类，自顶向下或者自底向上

距离计算

距离的划分，先假设簇的划分就是样本数，然后逐步合并