人工智能經(jīng)典電子書ml-22-20181020-密度聚類-層次聚類

上傳人：w*** IP屬地：浙江上傳時(shí)間：2024-11-20 格式：PPT 頁數(shù)：15 大?。?.27MB 積分：12 舉報(bào) 版權(quán)申訴

已閱讀5頁，還剩10頁未讀，繼續(xù)免費(fèi)閱讀

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

聚類算法機(jī)器學(xué)習(xí)(MachineLearning)大綱2018年10月6日聚類任務(wù)、性能度量、距離計(jì)算實(shí)戰(zhàn)2018年10月13日原型聚類實(shí)戰(zhàn)2018年10月20日密度聚類、層次聚類實(shí)戰(zhàn)大綱

聚類任務(wù)性能度量距離計(jì)算原型聚類

密度聚類

層次聚類密度聚類密度聚類的定義

密度聚類也稱為“基于密度的聚類”(density-basedclustering)。此類算法假設(shè)聚類結(jié)構(gòu)能通過樣本分布的緊密程度來確定。

通常情況下，密度聚類算法從樣本密度的角度來考察樣本之間的可連接性，并基于可連接樣本不斷擴(kuò)展聚類簇來獲得最終的聚類結(jié)果。

接下來介紹DBSCAN這一密度聚類算法。密度聚類DBSCAN算法：基于一組“鄰域”參數(shù)來刻畫樣本分布的緊密程度?；靖拍睿亨徲颍簩颖?，其鄰域包含樣本集

中與的距離不大于的樣本；核心對象：若樣本的鄰域至少包含MinPts個(gè)樣本，則該樣本點(diǎn)為一個(gè)核心對象；密度直達(dá)：若樣本位于樣本的鄰域中，且是一個(gè)核心對象，則稱樣本由密度直達(dá)；密度可達(dá)：對樣本與，若存在樣本序列，其中

，且由密度直達(dá)，則該兩樣本密度可達(dá)；

密度相連：對樣本與，若存在樣本使得兩樣本均由密度可達(dá)，則稱該兩樣本密度相連。密度聚類

密度聚類

密度聚類DBSCAN算法偽代碼：密度聚類聚類效果：大綱

聚類任務(wù)性能度量距離計(jì)算原型聚類密度聚類

層次聚類層次聚類層次聚類在不同層次對數(shù)據(jù)集進(jìn)行劃分，從而形成樹形的聚類結(jié)構(gòu)。數(shù)據(jù)集劃分既可采用“自底向上”的聚合策略，也可采用“自頂向下”的分拆策略。AGNES算法（自底向上的層次聚類算法）

首先，將樣本中的每一個(gè)樣本看做一個(gè)初始聚類簇，然后在算法運(yùn)行的每一步中找出距離最近的兩個(gè)聚類簇進(jìn)行合并，該過程不斷重復(fù)，直到達(dá)到預(yù)設(shè)的聚類簇的個(gè)數(shù)。

層次聚類最小距離：最大距離：平均距離：兩個(gè)聚類簇和的距離，可以有3種度量方式。層次聚類–樹狀圖AG

1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。