聚类算法的评估应面向具体问题

最新推荐文章于 2024-01-09 11:02:38 发布
最新推荐文章于 2024-01-09 11:02:38 发布
阅读量68 收藏
点赞数
原文链接：http://www.cnblogs.com/dengdan890730/p/6282935.html
版权

现在要对所有的人进行分类, 如何进行?
通常的套路是:

  • 按照性别来分, 可以分为男人/女人/others.
  • 按照肤色来分, 可以分为白种人/黄种人/黑种人/...
  • 按照国籍来分, 可以分为中国人/美国人...
  • 按照...

显然, 按照不同的分类标准有不同的分类结果. 所以对聚类算法来说, 是没有什么gold-standard的普适评判标准的. 只有在给定了具体情景, 例如聚类是为了完成什么任务, 之后才好判断一个聚类算法是好是坏.

转载于:https://www.cnblogs.com/dengdan890730/p/6282935.html

weixin_30808575
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习聚类分析能做什么
LeapingWay的博客
08-06 2024
什么是聚类 聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。 聚类分析主要步骤 数据预处理：选择数量、类型和特征的标度，将孤立点移出数据。 为衡量数据点间的相似度定义一个距离函数 聚类或分组：将数据对象分到不同的类中 ...
3.聚类算法解决的实际问题
qq_43806634的博客
10-01 948
1.基于用户位置信息的商业选址 2.中文地址标准化处理 3.国家电网用户画像 4.非人恶意流量识别 5.求职信息完善 6.搜索引擎查询聚类以进行流量推荐 7.生物种群固有结构认知 8.保险投保者分组 9.网站关键词来源聚类整合 10.图像分割 ...
聚类问题
Pierce_KK的博客
05-06 6376
目录 简介： 性能度量： 外部指标 内部指标 距离计算： 闵可夫距离： VDM距离： 原型聚类： 简介： 聚类任务属于“ 无监督学习 ”（UNsupervise leaning），即在训练的过程中不需要给出label。 聚类算法试图将所给数据集中的样本划分为若干个互不相交的子集，每个子集称之为一个 “ 簇”。 我们使用聚类算法的目标是通过对无标记样...
1.聚类概念
qq_43806634的博客
09-22 548
1.聚类的概念 聚类分析是分类问题中的一种统计分析方法，是模式识别，数据挖掘以及机器学习的一个重要领域。聚类分析主要解决两方面的问题，一类是检测数据集中的数据是否有簇的结构，另一类是研究数据集存在什么样的簇结构。 聚类的概念，迄今为止还没有一个公认的定义，这里给出Everitt在1974年关于聚类所下的定义 ：一个 簇内的实体是相似的，不同簇的实体是不相似的；一个簇是测试空间中点的会聚，同一簇的任意两个点间的距离小于不同簇的任意两个点间的距离；簇可以描 述为一个包含密度相对较高的点集的多维空间中的连通区域，
解释一下聚类算法的原理，聚类算法有哪些？
最新发布
weixin_44943389的博客
01-09 372
聚类算法是一种无监督学习方法，用于将数据点组织成相似或相关的组（即“簇”）。聚类的基本思想是将数据点分组，使得同一组（簇）内的点彼此非常相似，而不同组的点彼此差异较大。聚类算法在许多领域都有广泛应用，如市场细分、社交网络分析、天文数据分析等。
面向信息SNP选择的聚类算法.pdf
12-15
面向信息SNP选择的聚类算法 本文提出了一种新的聚类算法 K-MIGS，旨在解决信息 SNP 选择中的冗余问题。SNP 数据在人类遗传病诊断与治疗中扮演着重要角色，但是原始 SNP 数据中存在大量冗余，因此需要选择出信息量大...
一种面向聚类的加权特征选择算法 (2015年)
05-23
针对面向聚类的特征选择算法效率和效果无法兼顾，并且对高维数据适用度不高的问题，提出了一种基于邻域分析的加权特征选择算法ENFSA。该算法首先基于信息熵构建候选特征集，降低加权特征选择的候选特征维度，在此...
论文研究-聚类趋势问题的研究综述.pdf
07-22
聚类算法的性能与数据集的结构是密切相关的，虽然目前已经研究出了很多聚类算法，但没有普遍适用的万能聚类算法，欠缺对数据集结构的有效解释。对聚类分析过程中重要的关键性问题，即聚类趋势问题进行了系统性的研究...
论文研究-一种面向聚类的加权特征选择算法.pdf
07-22
针对面向聚类的特征选择算法效率和效果无法兼顾，并且对高维数据适用度不高的问题，提出了一种基于邻域分析的加权特征选择算法ENFSA。该算法首先基于信息熵构建候选特征集，降低加权特征选择的候选特征维度，在此...
借助聚类分析的光发射机信号畸变评估方法
02-04
面向光发射机信号畸变分析的应用场景, 采取了一种相位近似缓变的相干检测系统, 并借助聚类分析算法对畸变光信号进行分析...仿真和实验结果均表明, 该实验系统中聚类算法可对发射机的上述三种畸变损伤实现精确估计。
聚类算法（Clustering）原理深入解析与应用
weixin_43749805的博客
06-20 2823
聚类算法是一种无监督学习算法，通过计算样本之间的相似性或距离来将数据集中的对象分组成若干簇。聚类算法的目标是使得簇内的对象相似度最大化，而簇间的对象相似度最小化。
图解机器学习算法(13) | 聚类算法详解（机器学习通关指南·完结）
ShowMeAI研究中心
03-12 1万+
聚类是最常见的无监督学习算法。本文讲解聚类问题常见算法及用途，包括划分聚类的K-Means算法、K-Medoids算法，层次聚类的Single-Linkage 算法、Complete-Linkage算法，和DB-SCAN算法。
深度学习之--聚类算法
xp_fangfei的博客
09-22 4734
介绍主要的聚类算法
聚类算法简介
johnny_love_1968的博客
05-12 6676
聚类 一.什么是聚类 1.聚类定义 聚类就是对大量未知标注的数据集,按数据的内在相似性将数据集划分为多个类别,使类别内的数据相似度较大而类别间的数据相似度较小。由这个定义，我们便可以知道，数据集并没有目标值。因此聚类算法属于无监督算法。 2. 相似度的衡量 之前在k-means算法的简介当中，提及过一个欧式距离。但实际上，相似度的衡量方式有很多种。比如说： 欧式距离（这里列出的是欧式距离的拓展，闵可夫斯基距离）： 杰卡德相似系数(Jaccard) 余弦相似度： cos⁡(θ)=xTy∣x∣⋅∣
聚类分析
初一的博客
08-10 4259
聚类是数据挖掘和计算的基本任务，是**将大量数据集中具有"相似"特征的数据点或样本划分为一个类别**。聚类分析的基本思想是"物以类聚，人以群分"，因此大量的数据集中必然存在相似的数据样本，基于这个假设就可以将数据区分出来，并发现不同类的特征。
2.处理聚类问题常用算法
qq_26496077的博客
03-22 1563
什么是DBSCAN DBSCAN是一种基于密度的空间聚类算法,它不需要定义簇的个数,而是将具有足够高密度的区域划分为簇,并在有噪声的数据中发现任意形状的簇,在此算法中将簇定义为密度相连的点的最大集合。 算法实现过程: 1）解析样本数据文件。2）计算每个点与其他所有点之间的欧几里德距离。3）计算每个点的k-距离值，并对所有点的k-距离集合进行升序排序，输出的排序后的k-距离值。4）将所有点的k...
回归、分类与聚类：三大方向剖解机器学习算法的优缺点
周红伟讲AI
05-21 4万+
回归、分类与聚类：三大方向剖解机器学习算法的优缺点 2017-05-20 13:56:14    机器学习   数学    3 0 0 在本教程中，作者对现代机器学习算法进行一次简要的实战梳理。虽然类似的总结有很多，但是它们都没有真正解释清楚每个算法在实践中的好坏，而这正是本篇梳理希望完成的。因此本文力图基于实践中的经验，讨论每个算法的优缺点。而机器之心也在文末给出了
各种聚类算法的介绍和比较
热门推荐
abc200941410128的博客
11-15 13万+
一、简要介绍1、聚类概念聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。 2、聚类和分类的区别聚类技术通常又被称为无监督学习，因为与监督学习不同，在聚类中那些表示数据类别的分类或者分组信息是没有的。 Clustering (聚类)，
聚类算法总结 - 优缺点对比
笔记小屋
08-27 5万+
前言 聚类算法是一种无监督的算法，由于不需要训练集，算法简单快速，引用在一些工程里比较简单突出，今天来了解一下聚类算法。 k-means算法（k均值算法） 算法步骤： （1）随机选取 K 个点，作为 K 类的聚类中心，用 KiK_iKi​表示 （2）遍历所有的数据点 PjP_jPj​，通过计算距离，找到距离 PjP_jPj​ 最近的聚类中心点 KiK_iKi​，此时可以说第 j 个数据属于...
k均值聚类算法它可以具体解决哪些问题
07-14
k均值聚类算法是一种无监督学习算法主要用于将数据集划分为k个不同的簇。它可以解决以下问题： 1. 数据分组：k均值聚类可以将数据点划分为不同的簇，使得同一簇内的数据点具有较高的相似性，而不同簇之间的数据点...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值