聚类算法小结

聚类算法就是按照某个特定的标准(如距离准则)把一个数据集分割成不同的类或簇,使得同个簇内的数据对象相似性尽可能大,同时不同簇内的差异性尽可能大。

 聚类算法评价指标:

  聚错样本数、运行时间、平均准确度($$ avg = \frac{1}{k}\sum\limits_{i = 1}^k {\frac{​{​{m_i}}}{​{​{n_i}}}}

聚类算法比较:

  • FCM和K-means都具有较高的准确度,层次聚类准确度最差,SOM耗时较长。
  • K-means 受限于初始点的选取
  • FCM 人为确定聚类数,易陷入局部最优解
  • SOM 处理时间长
  • 层次聚类 一旦被合并就不能修正,聚类质量受限

   

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值