4-聚类算法.pdf
立即下载
没身份别烦我
2025-03-17
密度
算法
距离
可达
概念
核心点
邻域
Pts
参数
阈值
788.3 KB
K-MEANS算法
聚类概念：
无监督问题：我们手里没有标签了
难点：如何评估，如何调参
聚类：相似的东西分到一组
K-MEANS算法
基本概念：
要得到簇的个数，需要指定K值
距离的度量：常用欧几里得距离和余弦相似度（先标准化）
优化目标：
质心：均值，即向量各维取平均即可
K-MEANS算法
工作流程：
K-MEANS算法
优势：
简单，快速，适合常规数据集
K值难确定
劣势：
复杂度与样本呈线性关系
很难发现任意形状的簇
DBSCAN算法
基本概念：（Density-Based Spatial Clustering of Applications with Noise）
核心对象：若某个点的密度达到算法设定的阈值则其为核心点。
（即 r 邻域内点的数量不小于 minPts）
直接密度可达：若某点p在点q的 r 邻域内，且q是核心点则p-q直接密度可达。
密度可达：若有一个点的序列q0、q1、…qk，对任意qi-qi-1是直接密度可达的
，则称从q0到qk密度可达，这实际上是直接密度可达的“传播”。
ϵ-邻域的距离阈值：设定的半径r
DBSCAN算法
基本概念：
密度相连：若从某核心点p出发，点q和点k都是密度可达的
,则称点q和点k是密度相连的。
直接密度可达：若某点p在点q的 r 邻域内，且q是核心点则p-q直接密度可达。
噪声点：不属于任何一个类簇的点，从任何一个核心点出发都是密度不可达的
边界点:属于某一个类的非核心点,不能发展下线了
DBSCAN算法
基本概念：
A：核心对象
N：离群点
B,C：边界点
DBSCAN算法
工作流程：
参数D：输入数据集
MinPts：密度阈值
参数ϵ：指定半径
DBSCAN算法
参数选择：
半径ϵ，可以根据K距离来设定：找突变点
K距离：给定数据集P={p(i); i=0,1,…n}，计算点P(i)到集合D的子集S中所有点
之间的距离，距离按照从小到大的顺序排序，d(k)就被称为k-距离。
MinPts： k-距离中k的值，一般取的小一些，多次尝试
可视化：https://www.naftaliharris.com/blog/visualizing-dbscan-clustering/
https://www.naf
密度/算法/距离/可达/概念/核心点/邻域/Pts/参数/阈值/
密度/算法/距离/可达/概念/核心点/邻域/Pts/参数/阈值/
-->