聚类
聚类的任务目标是将数据集划分为多个子集cluster,通常每个cluster中有着自己的一些潜在共同性质。
性能度量
作为评价一个聚类结果的好坏程度,通常作为我们的优化目标函数。也可以称作为评价指标。聚类的性能度量大致分为两种:一种将结果与某个参考模型作比较,称为外部指标;一种直接观察聚类结果,称作内部指标。
基于这些定义,常用的外部指标有:
可以导出下列常用的内部指标:
相似性度量
原型聚类
<k均值聚类>
<学习向量量化LVQ>
类似于kmeas的聚类中心,每个cluster中的点到其所属类别中心的距离要小于其到其他聚类中心的距离。LVQ算法的过程类似于寻找一组这样的”聚类中心“。
1)它先将每个训练样本打上各自的标签,然后设定一组原型向量(初始聚类中心);
2)然后选取一个样本,计算其到各个聚类中心的距离,选取距离最小的聚类中心,如果该中心的标签与该样本的标签相等,则让该聚类中心向该样本移动,否则远离该样本;
3)重复而过程,直至满足停止条件。
<高斯混合聚类>
该聚类方法是利用概率模型来表达聚类原型。
<密度聚类>
该类算法的前提是假设样本能够根据其分布的紧密程度来划分。比较有代表性的是DBSCAN算法:
<层次聚类>
层次聚类试图在不同的层次上对数据集进行划分,从而形成树结构,数据集的划分可以从上而下或者从下而上。AGENS是一种层次聚类算法。