[学习笔记]数据挖掘-week6

聚类算法

学习视频：80240372X 数据挖掘：理论与算法（自主模式）

聚类算法评价标准

比较简便的评价标准如下
$$\begin{array}{rl}{J}_e& =\sum _{i=1}^c\sum _{x\in D_i}||x-M_i|{|}^2\\ m_i& =\frac{1}{n_i}\sum _{x\in D_i}x\end{array}$$
上述表示为，将数据聚成 C 个类别的结果的评价。每个类内部越相近，结果越小。但有一个假设在——处理的数据形状类似球形。

K-Means

问题：

• k 值无法直接给定
• 可能会收敛到局部最优解
• 对噪声与离群点敏感（K-Means使用的是均值）

高斯混合模型

$$\begin{array}{rl}g(x,\mu ,\sigma )& =\frac{1}{\sqrt{2\pi {\sigma }^2}}{e}^{-(x-\mu {)}^2/(2{\sigma }^2)}\\ f(x)& =\sum _{i=1}^n{a}_{i}g(x,\mu ,\sigma ),a_i\ge 0\&\sum _i{a}_i=1\end{array}$$

EM 算法不保证全局最优，类似梯度下降法。初始值猜测不太好时，最终收敛的结果也可能不太好。

DBSCAN

将数据划分成三类：

• Core Point：核心点
• Border Point：边缘点（在核心点周围）
• Noise Point：噪点（需要消除）