教程目录
阅读:
聚类算法详解
“物以类聚”指的是事物之间通过某种相似的属性聚集到一起,聚类算法是对事物自动归类的一类算法。
聚类算法是一种典型的无监督的学习算法,在聚类算法中通过定义不同的相似性的度量方法,将具有相似属性的事物聚集到同一个类中。
本章将介绍以下内容:
聚类算法是一种典型的无监督的学习算法,在聚类算法中通过定义不同的相似性的度量方法,将具有相似属性的事物聚集到同一个类中。
本章将介绍以下内容:
- 最基本的聚类算法 K-Means 算法,K-Means 聚类算法是基于距离相似性的聚类算法;
- Mean Shift 聚类算法,Mean Shift 算法也是基于距离的聚类算法,与 K-Means 算法不同的是,在 Mean Shift 算法中无需指定聚类个数;
- 基于密度的聚类算法 DBSCAN 算法,基于距离的聚类算法的聚类簇是球状结构的,DBSCAN 算法能够对任意形状的数据聚类;
- 在社交网络中用户聚类算法 Label Propagation 算法,Label Propagation 算法利用自身的网络结构,通过节点之间的标签传播实现对网络节点的聚类;