单链聚类算法_聚类算法总结

1      什么是聚类算法？

聚类算法就是根据特定的规则，将数据进行分类。分类的输入项是数据的特征，输出项是分类标签，它是无监督的。

常见的聚类规则包括：1)基于原型的，例如有通过质心或中心点聚类，常见的算法KMeans；2)基于图的，也就是通过节点和边的概念，形成连通分支的分类，常见的算法是凝聚层次聚类，最小生成树聚类；3)基于密度的，根据数据密度的大小进行聚类，常见的算法是DBSCAN，SNN密度聚类；4)基于统计的聚类，数据一般符合一种或几种概率分布，根据概率分布情况进行聚类。

2      常见的几类聚类算法

这里介绍KMeans、凝聚层次聚类和DBSCAN三种聚类方法。

2.1     KMeans聚类

KMeans聚类就是通过找出距离质心最近的点的分为一类的方法，达到SSE(误差平方和)最小的目标。

2.1.1     基本概念

K类：参数，聚类前设置的聚类形成的簇的个数；

质心：每个簇的聚集中心，一般L2距离为均值；余弦相似度为均值；L1距离为中位数。

距离：待聚类点到质心的距离，一般低维空间用L2距离，文档用余弦相似度。

SSE：KMeans聚类的目标函数，簇中各点到质心的距离平方和为簇内SSE，总SSE为K个簇内SSE之和。

2.1.2     KMeans聚类流程

Step1：确定要聚成的簇的个数n_clusters = k，选择k个初始质心；