本文介绍了机器学习中的三种聚类算法：KMeans、密度聚类（DBSCAN）和层次聚类（AGNES）。KMeans需要预先设定k值，适用于处理球形簇，但易受初始化影响；DBSCAN能处理任意形状簇且无需预设k值，但对内存需求较高；层次聚类无需目标函数，但计算成本较大。面试问题涉及k值确定、初始点选择、处理非凸和非数值型数据的策略，以及在大数据场景下的处理方法。
任务：将数据集中的样本划分成若干个通常不相交的子集。
性能度量：类内相似度高，类间相似度低。两大类：1.有参考标签，外部指标；2.无参照，内部指标。
距离计算：非负性，同一性（与自身距离为0），对称性，直递性（三角不等式）。包括欧式距离，曼哈顿距离等等。
（1） K均值聚类步骤：1.随机选择k个样本作为初始均值向量；2.计算样本到各均值向量的距离，把它划到距离最小的簇；3.计算新的均值向量；4.迭代，直至均值向量未更新或到达最大次数。缺点：需要输入k，算法速度依赖于初始化的好坏，不能处理非球形簇。
（2） 密度聚类步骤：DBSCAN，找到几个由密度可达关系导出的最大的密度相连样本集合。1.找到任意一个核心点，对该核心点进行扩充；2.扩充方法是寻找从该核心点出发的所有密度相连的数据点；3遍历该核心的邻域内所有核心点，寻找与这些数据点密度相连的点。优点：抗噪声，处理任意形状和大小的簇。缺点：数据量大时内存消耗大，需要自定义参数多。优点：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
