本文总结了scikit-learn库中的多种聚类算法，包括K-Means、Affinity Propagation、Mean-shift、Spectral Clustering、Ward Hierarchical Clustering、Agglomerative Clustering、DBSCAN、Gaussian Mixtures和Birch。这些无监督学习方法旨在通过数据对象之间的相似性形成不同的簇。详细介绍了每个算法的特点，并提供了参考资料供深入学习。
文章目录
Abstract
总结scikit-learn中的聚类算法。
前言
聚类是按照某个特定标准将一个数据集分割成不同的类或簇，使同一个簇内数据对象的相似性尽可能的大，同时不在同一个簇内数据对象的差异性也尽可能的大，属于无监督学习。
聚类算法
scikit-learn中聚类算法包括K-Means(K-Means和MiniBatchKMeans)、Affinity propagation、Mean-shift、Spectral clustering、Ward hierarchical clustering、Agglomerative clustering 、DBSCAN、Gaussian mixtures、Birch。
最低0.47元/天 解锁文章
3274
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
