聚类分析

标签：博文   mic   相关性   model   ase   分析   com   函数   network   

一、相关背景

• 有监督学习

　　　　给定训练集（x1,y1）(x2,y2) ....（xn,yn）找出他们之间的关系

　　　　即：学习一个函数

• 无监督学习

　　　　给定训练集：（x1,2,...xn）

　　　　学习一个训练集的划分

二、聚类的应用场合

• Image segmentaion
• Data compression
• clustering
• market segmentation
• social network analysis

三、聚类问题的描述

       1、聚类分析主要是发现不同的数据类簇/群组，使得组内的数据具有较高的相似性或相关性，而组间的数据具有较低的相似性或相关性

　　2、类簇划分可以有多个角度

• Well-Separated Clusters

　　　　在一个组内的数据比组外的任何点都要接近

•  Contiguous Cluster

• Density-based
• 

•  Center-based

  Shared Property or Conceptual Clusters

 四、常用的聚类算法

• K-means
• Hierarchical clustering
• Gaussian Mixture Model
• （具体见后面的博文）

聚类分析

标签：博文   mic   相关性   model   ase   分析   com   函数   network   

原文地址：https://www.cnblogs.com/bestluna/p/12975888.html