摘要：
1、什么是DBSCN DBSCAN也是一个非常有用的聚类算法。 它的主要优点:它不需要用户先验地设置簇的个数，可以划分具有复杂形状的簇，还可以找出不属于任何簇的点。 DBSCAN比凝聚聚类和k均值稍慢，但仍可以扩展到相对较大的数据集。 1.1算法原理 DBSCAN的原理是识别特征空间的“拥挤”区域中 阅读全文
posted @ 2022-05-05 16:39
朝南烟
阅读(445)
评论(0)
推荐(0)
摘要：
1、什么是凝聚聚类 凝聚聚类（agglomerative clustering）指的是许多基于相同原则构建的聚类算法， 这一原则是： 算法首先声明每个点是自己的簇，然后合并两个最相似的簇，直到满足某种停止准则为止。 scikit-learn 中实现的停止准则是簇的个数，因此相似的簇被合并，直到仅剩下 阅读全文
posted @ 2022-05-05 16:15
朝南烟
阅读(341)
评论(0)
推荐(0)
摘要：
1、什么是K均值聚类 k均值聚类是最简单也是最常用的聚类算法之一。它试图找到代表数据特定区域的簇中心（Cluster Center） K-means算法过程 1.随机布置K个特征空间内的点作为初始的聚类中心 2.对于根据每个数据的特征向量，从K个聚类中心中寻找距离最近的一个，并且把该数据标记为从属这 阅读全文
posted @ 2022-05-05 15:53
朝南烟
阅读(382)
评论(0)
推荐(0)
浙公网安备 33010602011771号