机器学习（十五）——Canopy聚类

一次迭代就出结果，适用于初始的k个中心点

参数：T1，T2
规则：

• T2内的点和黑色点是一个类别，并且不能成为其他类别的中心点
• T1内T2外的小蓝点和黑点是一个类别，也可以成为其他类别的中心点
• T1之外的点不是这个类别，可以成为其他类别的中心点

例：现在已经有一个中心点（就是小黑点），如果我们要选择下一个中心点，只能从蓝点和红点中选择，假设我们选了一个蓝点作为第二个类别的中心点，那么像图中一样根据参数T1，T2画两个圈，根据规则可以继续找下一个中心点…直至每一个点被分到类别里，就停止迭代了

特点：

• T2半径内的点不会成为下一个类别的中心点，意味着距离近的点不会成为下一个类别的中心点，这样会使得k个中心点分布更均匀
• 不用指定k，停止迭代后有多少个类别就是多少个类别
• 一个点可能同树与两个类别
• 只有一次迭代

Canopy聚类只有一次迭代，所以一般不用它的结果，一般用它初始化有几个k

上图中有的点有几种颜色，说明有的点同时属于多个类别