[Python数据挖掘] 聚类

聚类：属于无监督学习范畴

聚类：将无标签数据聚成若干类

聚类方法的种类：KMeans聚类 和 DBSCAN密度聚类

 

调用时的区别：KMeans需要指定簇的个数；DBSCAN需要指定簇的个数。

 

内部原理的区别：（极简描述）

KMeans：随机生成k个簇中心→每个数据点与其最近的簇中心连接→更新k个簇中心（同一簇中心的所有数据点的均值点）→每个数据点与最近的簇中心连接→...→直到簇中心不再发生变化

其中“均值”可以有不同的衡量尺度，例如欧氏距离，马氏距离，余弦相似度等等。

动画演示请参见：KMeans聚类原理 1分钟动画演示

 

DBSCAN：数据点有三种：核心点，边界点，噪声点。某个数据点的邻域内其他数据点的个数

{超过某个阈值：是核心点；

小于某个阈值，但处于其他某个核心点邻域内：是边界点；

既不是核心点，又不是边界点：是噪声点}

距离不超过邻域的核心点聚入一个簇；

核心点下属的边界点也被聚入核心点所在簇。

最后丢弃噪声点。

动画演示请参见：DBSCAN聚类 动画演示