层次聚类算法：
前面介绍的K-means算法和K中心点算法都属于划分式（partitional）聚类算法。层次聚类算法是将所有的样本点自底向上合并组成一棵树或者自顶向下分裂成一棵树的过程，这两种方式分别称为凝聚和分裂。
凝聚层次算法:
初始阶段，将每个样本点分别当做其类簇，然后合并这些原子类簇直至达到预期的类簇数或者其他终止条件。
分裂层次算法:
初始阶段，将所有的样本点当做同一类簇，然...
分类：
编程语言 时间：
2014-11-05 13:01:24
阅读次数：
284
一 什么是基于密度的聚类算法
由于层次聚类算法和划分式聚类算往往只能发现凸形的聚类簇。为了弥补这一缺陷，发现各种任意形状的聚类簇，开发出基于密度的聚类算法。这类算法认为，在整个样本空间点中，各目标类簇是由一群的稠密样本点组成的，而这些稠密样本点被低密度区域（噪声）分割，而算法的目的就是要过滤低密度区域，发现稠密样本点。
二 DBSCAN（Density-based Spatial ...
分类：
数据库 时间：
2014-11-05 13:00:41
阅读次数：
308
Arcgis for JS之Cluster聚类分析的实现(基于区域范围的)...
分类：
Web程序 时间：
2014-11-05 10:53:26
阅读次数：
335
Arcgis for JS之Cluster聚类分析的实现...
分类：
Web程序 时间：
2014-11-02 18:18:43
阅读次数：
327
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（结果预测篇）前言
本篇文章主要是继续前几篇Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft Naive Bayes 算法，算法介绍后，经过这几种算法综合挖掘和分析之后，对一份摆在公司面前的人员信息列表...
分类：
数据库 时间：
2014-11-02 15:03:41
阅读次数：
260
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft 顺序分析和聚类分析算法）前言
本篇文章继续我们的微软挖掘系列算法总结，前几篇文章已经将相关的主要算法做了详细的介绍，我为了展示方便，特地的整理了一个目录提纲篇：大数据时代：深入浅出微软数据挖掘算法总结连载，有兴趣的童...
分类：
数据库 时间：
2014-11-02 15:02:48
阅读次数：
293
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft 时序算法）前言
本篇文章同样是继续微软系列挖掘算法总结，前几篇主要是基于状态离散值或连续值进行推测和预测，所用的算法主要是三种：Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft N...
分类：
数据库 时间：
2014-11-02 15:02:05
阅读次数：
260
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft 聚类分析算法）本篇文章主要是继续上一篇Microsoft决策树分析算法后，采用另外一种分析算法对目标顾客群体的挖掘，同样的利用微软案例数据进行简要总结。
应用场景介绍
通过上一篇中我们采用Microsoft决策树分析...
分类：
数据库 时间：
2014-11-02 15:01:55
阅读次数：
192
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft Naive Bayes 算法）本篇文章主要是继续上两篇Microsoft决策树分析算法和Microsoft聚类分析算法后，采用另外更为简单一种分析算法对目标顾客群体的挖掘，同样的利用微软案例数据进行简要总结。有兴趣的...
分类：
数据库 时间：
2014-11-02 14:59:40
阅读次数：
348
原文:（原创）大数据时代：基于微软案例数据库数据挖掘知识点总结（Microsoft 关联规则分析算法）前言
本篇继续我们的微软挖掘算法系列总结，前几篇我们分别介绍了：Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft Naive Bayes 算法、Microsoft...
分类：
数据库 时间：
2014-11-02 14:58:19
阅读次数：
257
