第九章 聚类
发布网友
发布时间：2024-04-02 16:04
共1个回答
热心网友
时间：2024-07-20 21:22
通过物品特征来计算距离，并自动分类到不同的群集或组中。
对于层次聚类算法，我们不需要预先指定分类的数量，这个算方法会将每条数据都当作是一个分类，每次迭代的时候合并距离最近的两个分类，直到剩下一个分类为止。
聚类的结果： 顶层有一个大分类，这个分类下有两个子分类，每个子分类下又有两个子分类，依次内推，层级聚类也因此得名。
在单链聚类中，分类之间的距离由两个分类相距最近的两个元素决定。如上图中分类 A 和分类 B 的距离由 A1 和 B1 的距离决定，因为这个距离小于 A1 到 B2、A2 到 B1 的距离，这样一来我们会将 A 和 B 进行合并。
在全链聚类中，分类之间的距离由两个分类相距最远的两个元素决定。因此上图中分类 A 和 B 的距离是 A2 到 B2 的距离，最后会将分类 B 和 C 进行合并。
在平均链接聚类中，分类之间的距离由分类之间两两元素的平均距离决定。因此上图中会将分类 B 和 C 进行合并。
使用 k-means 算法时需要指定分类的数量，这也是算法名称中“k”的由来。
第一步：随机选取中心点
(1, 4) 作为分类 1 的中心点，(4, 2) 作为分类 2 的中心点；
第四步 重复第二、第三步，直到中心点不发生变化
得到分类 1 的中心点是( 1.2, 2.75 )，计算得分类 2 的中心点是( 4.5, 2.5 )
可以使用误差平方和（或称离散程度）来评判聚类结果的好坏，它的计算方法是：计算每个点到中心点的距离平方和。
k-means 是 50 年代发明的算法，它的实现并不复杂，但它有一个明显的缺点，在算法一开始需要随机选取 k 个起始点，有时选取的点产生最佳结果，而有时会让结果变得很差。k-means++ 则改进了起始点的选取，其余的和 k-means 一致。
第一个点还是随机的，但后续的点就会尽量选择离现有中心点更远的点。
将：
修改为：
参考原文原文 http://guidetodatamining.com/
参考译文来自 @egrcc 的 https://github.com/egrcc/guidetodatamining
