【数据挖掘】第8章 聚类分析: 基本概念和算法 |
您所在的位置：网站首页 › 简述算法设计规则 › 【数据挖掘】第8章 聚类分析: 基本概念和算法 |
【数据挖掘】第8章 聚类分析: 基本概念和算法
|
8 聚类分析: 基本概念和算法 目录 一、聚类分析概述1）什么是聚类分析2）不同的簇类型3）聚类算法的分类 二、K-均值聚类算法1）基本K均值算法2）k-中心点聚类方法 三、凝聚层次聚类1）基本的凝聚层次聚类算法2）如何计算簇之间的邻近性3）层次聚类的主要问题 一、聚类分析概述 1）什么是聚类分析 聚类分析仅根据在数据中发现的描述对象及其关系的信息，将数据对象分组。其目标是， 组内的对象之间是相似的（相关的），而不同的组中的对象是不同的（不相关的）。 组内的相似性（同质性）越大，组间差别越大，聚类就越好。 簇（Cluster）的定义是不精确的 
3）聚类算法的分类
大体上，主要的聚类算法可以划分为如下几类：划分方法、层次方法、基于密度的方法、基于网格的方法 1–划分方法 ▪ 给定一个有N个元组或者记录的数据集，划分方法将构造K个分组，每一个分组就代表一个聚类，K |
聚类分析的应用 
不同的簇类型【本文地址】