機(jī)器學(xué)習(xí) 課件第8章聚類

上傳人：y*** IP屬地：山東上傳時(shí)間：2024-11-01 格式：PPTX 頁(yè)數(shù)：14 大?。?14.41KB 積分：15 舉報(bào) 版權(quán)申訴

已閱讀5頁(yè)，還剩9頁(yè)未讀，繼續(xù)免費(fèi)閱讀

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

第8章聚類《機(jī)器學(xué)習(xí)》胡曉8.1聚類基本理論

8.1聚類基本理論

相似性測(cè)度在聚類算法，樣本間相似度通常需要采用兩個(gè)樣本之間的“距離測(cè)度(DistanceMetric,DM)”進(jìn)行衡量。

常見距離：歐氏距離、曼哈頓距離、閔可夫斯基距離、值差異值測(cè)度8.1聚類基本理論類簇中心類簇中心，又稱為簇質(zhì)心，定義為簇內(nèi)樣本分布中心，如圖8.1中每簇的中心點(diǎn)。然而，不同聚類算法定義各有差別，簡(jiǎn)單分為兩種：K均值聚類簇中心

基于密度的類簇中心AlexRodriguez和AlessandroLaio在Science期刊文章中提出：類簇中心周圍都是密度比其低的點(diǎn)，同時(shí)這些點(diǎn)距離該簇中心的距離相比于其他聚類中心最近。8.1聚類基本理論聚類算法評(píng)價(jià)指標(biāo)

純度(Purity)將每個(gè)簇內(nèi)頻數(shù)最高的樣本類別作為正確的類簇，聚類熵

8.1聚類基本理論聚類算法評(píng)價(jià)指標(biāo)同質(zhì)性也叫均一性，一個(gè)類簇中僅有一個(gè)類別的樣本，均一性最高同質(zhì)性(Homogeneity)

相當(dāng)于精確率，即被聚類的類簇中正確分類的樣本數(shù)占該類簇中的樣本數(shù)的比例,

8.1聚類基本理論聚類算法評(píng)價(jià)指標(biāo)完整性(Completeness)同類別的樣本被歸類到同一聚類簇中，則滿足完整性。相當(dāng)于召回率，即每個(gè)聚類中正確分類的樣本數(shù)占該類別樣本的數(shù)量，

8.1聚類基本理論聚類算法評(píng)價(jià)指標(biāo)蘭德指數(shù)和調(diào)整蘭德指數(shù)

8.2K均值聚類

8.3層次聚類層次聚類(hierarchicalclustering)是基于簇間的相似度的樹形聚類算法。一般有兩種劃分策略：自底向上的凝聚策略和自頂向下的分拆策略。凝聚策略

分拆策略

初始時(shí)將每個(gè)樣本點(diǎn)當(dāng)做一個(gè)類簇，然后依據(jù)相似度準(zhǔn)則合并相似度最大的類簇，直到達(dá)到終止條件。

8.4密度聚類

密度聚類(Density-BasedSpatialClustering)是一種基于密度的聚類算法。8.4

1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

機(jī)器學(xué)習(xí) 課件 第8章 聚類