数据挖掘-聚类分析【2】

本节内容：

1：理解聚类的分类【分割聚类、层次聚类】

2：进行分割聚类和层次聚类的具体方法

一、理解聚类的分类【分割聚类、层次聚类】

二、进行分割聚类和层次聚类的具体方法

分割聚类

给定n个数据对象的数据集D，及要生成的簇数k，划分算法把数据对象组成k(k<=n)个分区，其中每个分区代表一个簇。而且k满足以下条件：
1：每一个簇至少包含一个对象
2：每一个对象属于且仅属于一个簇。

常用方法：
k-均值
k-中心值（k均值对于孤立的值的敏感的【求均值哪些极大值极小值影响大】为了解决这个我们
就引入了中心值的思想）
　　该算法不采用簇中的平均值作为参照点，可以选用簇中最中心的对象即中心点作为参照点。
　　它跟k-均值的求法差不多，区别：只有样本空间的数据点可以作为中心点

层次聚类主要分为两大类：

凝聚聚类：

初始时，把每个数据点都看成一个簇

每步合并最近的簇，直到得到一个簇为止

分裂聚类：

初始时，把所有数据点都看成一簇

每步分割一个簇，知道每个簇只包含一个数据点

• 传统方法的层次聚类使用相似性或距离矩阵：每次合并或分割一个簇