基本的聚类分析算法
-
K均值 (K-means):
基于原型的、划分的距离技术,它试图发现用户指定个数(K)的簇。
a. 随机选取k个中心点
b. 遍历所有数据,将每个数据划分到最近的中心点中
c. 计算每个聚类的平均值,并作为新的中心点
d. 重复2-3,直到这k个中线点不再变化(收敛了),或执行了足够多的迭代
时间复杂度:O(Inkm)
空间复杂度:O(nm) -
层次凝聚聚类算法(HCA - Hierarchical Agglomerative Clustering):
主要思想就是,先把每一个样本点当做一个聚类,然后不断重复的将其中最近的两个聚类合并(就是凝聚的含义),直到满足迭代终止条件。
a. 将训练样本集中的每个数据点都当做一个聚类;
b. 计算每两个聚类之间的距离,将距离最近的或最相似的两个聚类进行合并;
c. 重复上述步骤,直到得到的当前聚类数是合并前聚类数的10%,即90%的聚类都被合并了;当然还可以设置其他终止条件,这样设置是为了防止过度合并。 -
DBSCAN:
一种基于密度的划分距离的算法,簇的个数有算法自动的确定,低密度中的点被视为噪声而忽略,因此其不产生完全聚类。
自己尝试过。。。好像对iris数据集不太好用,有空再研究
https://blog.csdn.net/weixin_43909872/article/details