机器学习笔记 - 机器学习中的聚类算法

已于 2023-09-09 12:04:00 修改
阅读量1.8k 收藏 11
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习从入门到精通 文章标签： 机器学习 无监督学习 聚类 Mean-shift 高斯混合模型
于 2022-04-06 09:09:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/123568556
本文详细介绍了聚类的基本概念、应用场景以及多种聚类算法的思想，包括基于分布、质心、连通性、密度和层次的算法。还探讨了如K-Means、DBSCAN、Mean Shift等流行算法，并通过实例展示了它们的效果。最后推荐了PyClustering和CLASSIX两个聚类算法库。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、聚类简介

1、概述

        实质上是机器学习中的一种无监督学习方法。并不需要我们对数据进行标记。通常，它被用作在一组示例中找到有意义的结构、解释性基础过程、生成特征、进行分组的等。

        聚类是将总体或数据点划分为多个组的任务，以使同一组中的数据点与同一组中的其他数据点更相近。

         例如下面的分簇

但是簇不总是规则形状的。

2、常见应用 

        在癌细胞的识别中：聚类算法被广泛用于癌细胞的识别。它将癌性和非癌性数据集分为不同的组。</

了解本专栏 订阅专栏 解锁全文
机器学习——聚类
weixin_47779143的博客
12-11 1892
1. 分类 vs 聚类 分类： 有监督学习（需要标签）； 依据已知标签的数据，根据一定规则或模式，对新输入数据标记上影响标签（有明确的训练集，有人为给定标签）。 聚类： 无监督学习（没有标签）； 对于给定数据按照其相似性进行划分（没有训练集，没有标签，也不知道确切的类别或簇的数目）。 2. 聚类任务 在“无监督学习”任务中研究最多、应用最广； 聚类的目标是将数据样本划分为若干个通常不相交的簇（cluster）； 既可以作为一个单独过程（用于找寻数据内在的分布结构），也可作为分类等其他学习任务的前驱
机器学习笔记之聚类 (Machine Learning -Clustering)
TechLearningBlog of Mr.Lawrence
05-09 823
Machine Learning - Clustering 写在前面：因为英语对于相应的专业名词阐述的更加准确，所以使用英语整理，在特殊的关键性名词后我会添加注释，但通篇将以英语作为主语言。 Concept Clustering is a process to find similarity groups in data, called clusters Group data instance...
机器学习-- 聚类
最新发布
m0_46671240的博客
06-25 494
机器学习-- 聚类
COURSERA 吴恩达老师机器学习课程笔记-机器学习笔记-[机器学习与推荐算法].pdf
09-03
在吴恩达老师的COURSERA机器学习课程中，他深入浅出地介绍了机器学习的基本概念和核心算法。课程笔记涵盖了从机器学习的介绍到具体模型的实现，如单变量和多变量线性回归。以下是这些知识点的详细解释： 1. **机器...
吴恩达机器学习笔记-人工智能机器学习算法入门笔记
01-26
【机器学习基础介绍】 ...总之，机器学习是一门涉及统计学、优化理论、概率论和计算机科学的交叉学科，通过学习和理解这些概念，我们可以构建强大的系统，自动从数据中学习规律，并做出准确的预测和决策。
机器学习算法笔记-聚类
weixin_39835296的博客
08-27 690
聚类算法k-means聚类DBSCAN聚类 k-means聚类 相比于之前的线性回归和逻辑回归，k-means聚类算法属于无监督问题，因为没有标签，所以评估比较困难。 k-means的基本概念： 1.要得到簇的个数，需要指定k值 2.质心：均值，即向量各维的平均 3.距离的度量：常用欧氏距离得距离和余弦相似度（先标准化） 4.优化目标：每一簇内所有点离质心的距离最短。 优点和缺点： 优点，简单，快速，适合常规数据集。 缺点，k难确定，复杂度与样本呈线性关系，很难发现任意形状的簇（就是形状比较随意的那种）。
机器学习笔记－－聚类算法 k-means－－31省市消费水平聚类
qq_39011567的博客
10-19 5900
参考文章：https://blog.youkuaiyun.com/rankiy/article/details/99843363 1.数据集 数据介绍： 现有1999年全国31个省份城镇居民家庭平均每月全年消费性支出 的八个主要变量数据，这八个变量分别是 食品、衣着、家庭设备用品、服务、医疗保健、交通、通讯、娱乐教育文化服务、居住以及杂项商品和服务。 利用已有数据，对31个省份进行聚类。 北京,2959...
机器学习笔记--机器学习基本概念（全面总结，通俗易懂）
qq_44815135的博客
01-22 7562
 什么是机器学习？本文主要介绍了机器学习中的常见概念，包括监督学习和无监督学习、半监督学习、弱监督学习、强化学习、欠拟合和过拟合、损失和优化的概念以及常用的激活函数等。
机器学习：聚类
Dreaming5498的博客
08-12 772
文章目录无监督机器学习相似度聚类聚类原则K-Means聚类K-Means 改进K-Mediods二分K-MeansK-Means++Mini Batch K-MeansK-Means可以的优化参数选择适当的K值聚类的“相对误差”K均值损失函数求偏导K的选择Canopy聚类层次聚类分裂的层次聚类： DIANA凝聚的层次聚类： AGNES密度聚类DBSCAN密度可达谱和谱聚类谱聚类PCA降维效果图代码...
机器学习-聚类
weixin_70423469的博客
06-29 210
本文章主要讲了一些聚类算法原理及相关代码
机器学习之聚类
lc574260570的博客
08-21 532
衡量聚类距离的方式有很多，常用的方式有欧式距离和曼哈顿距离两种。对于两个n维数据Xi,Xj，以下是两种距离的计算公式， 上图中的k代表的是维度数，最高是n维，而不是幂次数 图片裁剪的像素尺度不好，导致图片只能倒放，造成的不便还请多多包涵！ 原型聚类:K-means 聚类算法有很多种，常用的聚方法包括原型聚类，密度聚类，层次聚类几种。 原型聚类是指聚类结构能通过一组原型刻画的聚类，原...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

坐望云起

如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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