聚类学习简介

文章讨论了聚类分析中的关键概念,包括追求高簇内相似度和低簇间相似度的目标。介绍了外部指标如Jaccard、FM和Rand指数,以及内部指标DB和Dunn指数来衡量聚类质量。此外,还提到了几种常用的距离计算方法,如欧式、曼哈顿和闵可夫斯基距离在聚类中的应用。

1.背景

        聚类结果的“簇内相似度”高且“簇间相似度”低,即同一簇的样本尽可能彼此相似,不同簇的样本尽可能不同。

2. 性能度量指标

2.1 外部指标

(1)Jaccard 系数

(2)FM 指数

(3)Rand 指数

2.2 内部指标

(1)DB 指数

(2)Dunn 指数

3. 距离计算

(1)欧式距离

(2)曼哈顿距离

(3)闵可夫斯基距离

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值