常用聚类算法

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