1.基于划分
k-means
2.层次聚类Hierarchical Clustering
自顶向下 自底向上
3.基于密度的方法
绝大多数划分方法给予对象之间的距离进行聚类。这样的方法只能发现球状的簇,而在发现任意形状的簇上遇到了困难。随之提出了基于密度的聚类方法,它是将簇看作是数据空间中被低密度区域分割开的高密度区域。其主要思想是:只要邻近区域的密度(对象或数据点的数目)超出了某个阀值,就继续聚类。也就是说,对给定类中的每个数据点,在一个给定范围的区域中必须至少某个数目的点。这样的方法可以用来过滤“噪声”孤立点数据,发现任意形状的簇。
eg.
DBSCAN(Density-Based Spatial Clustering of Application with Noise)基于密度的空间聚类算法
OPTICS(Ordering Point To Idenfy the Cluster Structure)
4.基于模型的方法
GaussianMixtureModel(混合高斯模型,GMM)
https://www.cnblogs.com/pinard/p/6179132.html
5.基于网格的方法
6.谱聚类Spectral Clustering
https://www.cnblogs.com/bnuvincent/p/5820827.html
https://blog.csdn.net/ustbbsy/article/details/80960652
https://www.cnblogs.com/pinard/p/6179132.html