![f32a29f94a109b3ae6d44a6ddea4c0fc.png](https://i-blog.csdnimg.cn/blog_migrate/a5d09c6ab27930c0c10a7e158792c1b2.jpeg)
欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习、深度学习的知识!也可以搜索号:磐创AI,关注我们的文章。
作者:磐石
- 简述
- 图相关的符号符号
- 相似度矩阵S
- 拉普拉斯矩阵L性质
- 谱聚类算法
- 总结
一、简述
聚类是对探索性数据分析最广泛使用的技术,在现在各个科学领域中处理没有类标的数据时,人们总是想通过确定数据中不同样本的归类,来获取对数据的直观印象。传统的聚类方法有很多,像K-means,single linkage等,但是k-means算法有些缺点,比如当样本维度特别大的时候,k-means的计算量是很大的。最近几年时间,谱聚类成为了最受欢迎的聚类算法,它很容易执行,能够用标准的线代软件高效地解决,而且比传统的聚类算法比如k-means表现效果要好很多。不管怎样,初次一瞥谱聚类时看起来很神秘,不太能弄透为什么谱聚类能够用于聚类。为了介绍谱聚类到底如何能够作聚类,我们需要先了解相似度矩阵,拉普拉斯矩阵的概念,然后才能最终理解谱聚类原理。
二、图相关的符号标记