本文详细介绍了机器学习中的聚类任务，包括无监督学习的任务描述和聚类的正式定义。讨论了性能度量，如外部指标的计数法和内部指标的距离法，并详细阐述了K均值、学习向量、密度聚类和层次聚类等算法。聚类算法的性能评估通过簇内相似度和簇间相似度来衡量，距离计算方法则涉及有序、无序和混合属性。此外，文章还提到了层次聚类中的AGNES方法及其距离计算策略。
机器学习（聚类）
参考资料：清华大学学堂在线，统计学习方法
1.聚类任务描述
**无监督的学习任务：
- 标记未知
- 揭示数据的内在性质和规律**
试图将数据集中的样本划分为若干个通常不相交的子集，每个子集称为一个簇
聚类的形式化描述：
• 样本集：
• 每个样本：
• 划分为k个不相交的簇：
• 簇标记：
• 聚类的结果可用包含m个元素的簇标记向量
表示
• 聚类的重要性 ：其它学习任务的前驱过程；
2.性能度量
聚类结果指标：
- ****“簇内相似度”高
- “簇间相似度”低****
性能度量方法：
“1.外部指标”：计数法
同样的数据集D聚类的结果会不同
1. 左边的图为参考的外部模型给出的真实划分
2. 右图为通过聚类算法推测的结果
最低0.47元/天 解锁文章
扫一扫
2707
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
