K均值聚类法和系统聚类法有什么区别,这两种聚类方法的适用条件都是什么...
发布网友
发布时间：2022-04-25 14:21
我来回答
共4个回答
懂视网
时间：2022-04-10 23:01
numpy
def MyDBSCAN(D, eps, MinPts):
"""
Cluster the dataset `D` using the DBSCAN algorithm.
It will return a list of cluster labels. The label -1 means noise, and then
the clusters are numbered starting from 1.
"""
labels = [0]*len(D) #Initially all labels are 0, 0 means the point hasn‘t been considered yet
C = 0 #C is the ID of the current cluster.
### This outer loop is just responsible for picking new seed points--a point
### from which to grow a new cluster.
for P in range(0, len(D)):
if not (labels[P] == 0): continue
NeighborPts = regionQuery(D, P, eps) #Find all of P‘s neighboring points.
if len(NeighborPts) < MinPts:
labels[P] = -1
else:
C += 1
labels[P] = C #the label to our seed point.
growCluster(D, labels, P, C, eps, MinPts) #Grow the cluster from the seed point.
return labels
def growCluster(D, labels, P, C, eps, MinPts):
"""
Grow a new cluster with label `C` from the seed point `P`.
This function searches through the dataset to find all points that belong
to this new cluster. When this function returns, cluster `C` is complete.
"""
### SearchQueue is a FIFO queue of points to evaluate. It will only ever
### contain points which belong to cluster C
SearchQueue = [P]
i = 0
while i < len(SearchQueue):
P = SearchQueue[i]
NeighborPts = regionQuery(D, P, eps) #Find all the neighbors of P
### If the number of neighbors is below the minimum, then
### move to the next point in the queue.
if len(NeighborPts) < MinPts:
i += 1
continue
### Otherwise, For each of the neighbors...
for Pn in NeighborPts:
### If Pn was labelled NOISE, claim it as part of cluster C
if labels[Pn] == -1:
labels[Pn] = C #Add Pn to cluster C
### Otherwise, if Pn hasn‘t been considered yet, claim it as part of
### C and add it to the search queue.
elif labels[Pn] == 0:
labels[Pn] = C #Add Pn to cluster C
SearchQueue.append(Pn) #Add Pn to the SearchQueue
i += 1 #Advance to the next point in the queue.
return
def regionQuery(D, P, eps):
"""
Find all points in dataset `D` within distance `eps` of point `P`.
This function calculates the distance between a point P and every other
point in the dataset, and then returns only those points which are within a
threshold distance `eps`.
"""
neighbors = []
for Pn in range(0, len(D)):
if numpy.linalg.norm(D[P] - D[Pn]) < eps:
neighbors.append(Pn)
return neighbors
View Code
代码部分主要参考了文章DBSCAN Clustering Tutorial。若最终有数据点未被分到任何簇中（噪音点），则可将这些点视为异常点。下图分别是K均值算法以及DBSCAN算法对一个数据集的聚类结果，可以看出相比于K均值算法，DBSCAN算法可以有任意形状的簇，并且找到了数据中的异常点（右图中的空心点）。在实际应用中应对MinPts以及eps这两个参数仔细加以调试，特别是eps在不同的数据集中变化较大，具有较大的调试难度。
DBSCAN的一个改进算法为HDBSCAN，它也是一种基于密度的聚类方法，主要有两个参数$k$(也可记为$min\_samples$)以及$min\_cluster\_size$。DBSCAN通过一个数据点$vec{x}$的半径为eps的邻域内是否有至少MinPts个点来判定该点是局地稠密还是稀疏的；而HDBSCAN通过一个数据点$vec{x}$距它的第$k$个近邻点的距离$core_k(vec{x})$来定量表征该点的局地密度，显然距离越大局地密度越小，在此基础上定义两个数据点之间的距离为：$$d(vec{x}_1,vec{x}_2)=max{(core_k(vec{x}_1),core_k(vec{x}_2),lVert{vec{x}_1-vec{x}_2}
Vert_2)}$$
以该距离为基础，建立如下面左图所示的Dendrogram树状结构图。该图等价于层次聚类中的single-linkage，即两个簇$X$和$Y$之间的距离可以表示为$d(X,Y)=minlimits_{vec{x}in{X}, ext{ }vec{y}in{Y}}d(vec{x},vec{y})$。
为了得到更稳健的聚类结果，HDBSCAN规定若每次分裂分出的两个新簇中有一个簇中的数据点个数小于$min\_cluster\_size$，则不进行这次分裂，只是将不满足要求的新簇中的点从之前的簇中移出，直到分裂出的两个新簇中的数据点个数均大于$min\_cluster\_size$再进行分裂，得到的结果如下图中的右图所示（簇的宽度表示簇中数据点的个数，簇的长度表征簇的存在周期。纵坐标$lambda$定义为距离的倒数，即$frac{1}{distance}$）。
对任一个簇，将该簇的重要性定义为该簇在右图中所占面积。定义$lambda_{birth}$为该簇生成时对应的$lambda$，$lambda_p$为该簇中的点$p$最后停留在该簇（即分裂到新簇之前或者被移出去之前）时对应的$lambda$，则该簇的重要性用数学公式可表示为$sumlimits_{pin{cluster}}(lambda_p-lambda_{birth})$。
接下来还剩最后一个要解决的问题，即如何从右图的树状结构中选择最终的簇（右图中圈出的簇为最终选择的簇）。选择最终的簇的过程类似于决策树中的剪枝过程，从最底端开始，若两个子簇的重要性之和大于它们上一级的簇的重要性，则用这两个子簇以及它们的重要性之和代替它们上一级的簇以及上一级簇的重要性，否则删除这两个子簇，重复此过程直到最顶层，最终剩下的簇即为算法最终选择的簇。
同DBSCAN类似，最终未被分配到任何簇中的点可视为数据集中的异常点。HDBSCAN算法的主页为The HDBSCAN Clustering Library，一个较为详细的介绍视频链接为HDBSCAN, Fast Density Based Clustering, the How and the Why。
K均值聚类和DBSCAN介绍
标签：linkage image add 开始 desc fas 需要 sed wiki
热心网友
时间：2022-04-10 20:09
适用条件：系统聚类法适于二维有序样品聚类的样品个数比较均匀。K均值聚类法适用于快速高效，特别是大量数据时使用。
两者区别如下：
一、指代不同
1、K均值聚类法：是一种迭代求解的聚类分析算法。
2、系统聚类法：又叫分层聚类法，聚类分析的一种方法。
二、步骤不同
1、K均值聚类法：步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。
2、系统聚类法：开始时把每个样品作为一类，然后把最靠近的样品（即距离最小的群品）首先聚为小类，再将已聚合的小类按其类间距离再合并，不断继续下去，最后把一切子类都聚合到一个大类。
三、目的不同
1、K均值聚类法：终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。
2、系统聚类法：是以距离为相似统计量时，确定新类与其他各类之间距离的方法，如最短距离法、最长距离法、中间距离法、重心法、群平均法、离差平方和法、欧氏距离等。
参考资料来源：百度百科-系统聚类法
参考资料来源：百度百科-K均值聚类算法
热心网友
时间：2022-04-10 21:27
区别如下：
1、聚类结果不同。
系统聚类对不同的类数产生一系列的聚类结果， 而K均值聚类法只能产生指定类数的聚类结果。
2、做法不同。
系统聚类法其做法是开始时把每个样品作为一类，然后把最靠近的样品（即距离最小的群品）首先聚为小类，再将已聚合的小类按其类间距离再合并，不断继续下去，最后把一切子类都聚合到一个大类。
k均值法随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。
3、所属类别不同。
系统聚类法属于分层聚类法。
k均值聚类是最著名的划分聚类算法，给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k个聚类中。
使用条件：
k 均值聚类法适合大量数据时，准确性高一些。系统聚类法则是系统自己根据数据之间的距离来自动列出类别，通过系统聚类法得出一个树状图。
参考资料来源：百度百科-k均值聚类法
参考资料来源：百度百科-系统聚类法
热心网友
时间：2022-04-10 23:02
k 均值聚类法 快速高效，特别是大量数据时，准确性高一些，但是需要你自己指定聚类的类别数量
系统聚类法则是系统自己根据数据之间的距离来自动列出类别，所以通过系统聚类法 得出一个树状图，至于聚类的类别 需要自己根据树状图以及经验来确定
