第九章 聚类

本文介绍了Hausdorff距离的概念,它是度量两个点集之间距离的一种方式。接着讨论了K均值算法的局限性,由于其贪心策略可能导致局部最优。此外,文章提到了聚类的不同类型,如密度相连聚类、原型聚类和层次聚类,以及如何选择合并策略。
摘要由CSDN通过智能技术生成

在这里插入图片描述

9.1

在这里插入图片描述

9.2(只有理解,无证明)

Hausdorff距离量度度量空间中真子集之间的距离。所谓度量空间,也就是一个集合,其中任意元素之间的距离可定义;真子集就简单理解成一组有限(可以是无限)数目的元素(点)集合。因此,Hausdorff距离可以理解成一个点集中的点到另一个点集的最短距离的最大值。
在这里插入图片描述
通俗来讲,计算所有 ∣ ∣ x − z ∣ ∣ 2 ||x-z||_2 xz2,其中x∈X,z∈Z;然后找出每个z对应的最小的 ∣ ∣ x − z ∣ ∣ 2 ||x-z||_2 xz2,令其组成集合b;最后再从b中找到最大的 ∣ ∣ x − z ∣ ∣ 2 ||x-z||_2 xz

  • 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