【机器学习-周志华】学习笔记-第九章

vircorns

已于 2022-09-06 22:53:10 修改

阅读量302

点赞数

分类专栏： # 机器学习文章标签：机器学习算法人工智能

于 2022-08-30 17:11:07 首次发布

本文链接：https://blog.csdn.net/weixin_43476037/article/details/126594462

版权

机器学习专栏收录该内容

14 篇文章 4 订阅

订阅专栏

记录第一遍没看懂的
记录觉得有用的
其他章节：
        第一章
         第三章
         第五章
         第六章
         第七章
         第八章
         第九章
         第十章
         十一章
         十二章
         十三章
         十四章
         十五章
         十六章

        聚类是希望将样本划分成k个不相交的簇，且“簇内相似度”尽可能高，“簇间相似度”尽可能低。他的性能外部指标最常用的是Jaccard系数：
在这里插入图片描述
        距离度量的基本性质：

        k均值聚类算法采用的欧式距离，总体比较简单，容易实现；容但易受初始质心的影响。

        学习向量量化也是试图找到一组原型向量来刻画聚类结构，但 LVQ 假设数据样本带有类别标记，学习过程利用样本的这些监督信息来辅助聚类。其主要思想就是，同一类就减小距离，否则就增大距离。
在这里插入图片描述
        高斯混合聚类的理解可以参考博客：【机器学习笔记】通俗易懂解释高斯混合聚类原理
        密度聚类的相关概念可以通过书中图9.8很好的理解：理解了概念以后，密度聚类其实就是先找到所有核心对象，然后随机选取一个核心对象，找出由其密度可达的样本，生成聚类簇，直到所有核心对象均被访问过为止。
在这里插入图片描述
        层次聚类就是每次合并距离最小的两个簇，然后再计算类间距离，直至合并到想要的簇数。