sklearn.cluster笔记-聚类

sklearn.cluster模块收集流行的无监督聚类算法。

1、类

cluster.AffinityPropagation() # 执行数据的关联传播群集。
cluster.AgglomerativeClustering() # 凝聚聚类
cluster.Birch() # 实现了BIRCH聚类算法。
cluster.DBSCAN() # 从向量数组或距离矩阵执行DBSCAN聚类。
cluster.FeatureAgglomeration() # 结块特征。
cluster.KMeans() # K-Means聚类
cluster.MiniBatchKMeans() # 小批量K-均值聚类。
cluster.MeanShift() # 使用平面核的均值漂移聚类。
cluster.OPTICS() # 从向量数组估计聚类结构。
cluster.SpectralClustering() # 将聚类应用于归一化拉普拉斯算子的投影。
cluster.SpectralBiclustering() # 光谱双聚类
cluster.SpectralCoclustering() # 光谱共聚类算法

2、函数

cluster.affinity_propagation() # 执行数据的关联传播群集。
cluster.cluster_optics_dbscan() # 对任意ε执行DBSCAN提取。
cluster.cluster_optics_xi() # 根据Xi陡峭方法自动提取簇。
cluster.compute_optics_graph() # 计算光学可达图。
cluster.dbscan() # 从向量数组或距离矩阵执行DBSCAN聚类。
cluster.estimate_bandwidth() # 估计要与均值漂移算法一起使用的带宽。
cluster.k_means() # k-means++聚类算法
cluster.kmeans_plusplus() # 初始化n_clusters种子，根据k-means++
cluster.mean_shift() # 使用平面内核对数据执行均值漂移聚类。
cluster.spectral_clustering() # 将聚类应用于归一化拉普拉斯算子的投影。
cluster.ward_tree() # 基于特征矩阵的Ward聚类。