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