聚类特征变量选取、聚类算法与效果评价简述

最新推荐文章于 2025-07-10 10:36:34 发布
最新推荐文章于 2025-07-10 10:36:34 发布
阅读量2.5w 收藏 46
点赞数 4
CC 4.0 BY-SA版权
分类专栏： Clustering
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/dylanchen14/article/details/51406125
本文简要介绍了数据预处理中的特征选择方法，如相关性、基尼系数、信息熵等，以及数据变换和降维技术。接着，讨论了聚类中常用的度量相似性的方法，包括距离、相似系数和核函数。聚类算法部分涵盖了层次聚类、分区聚类算法（如k-means及其变种）、密度基聚类（如DBSCAN和OPTICS）以及模型基聚类（如GMM）。最后，提到了聚类效果的评价指标，如Davies-Bouldin指数和轮廓系数。

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

对data的各个feature进行预处理

1. feature的选择：用相关性、基尼系数、信息熵、统计检验或是随机森林选取最为重要的特征变量

2. 如果需要，对一些特征变量进行scaling

3. 对数据进行变换：离散傅里叶变换或离散小波变换

4. 可以对数据进行降维处理，映射到低维度空间进行展示，观察数据形状，帮助选择聚类算法

降维的一些选择：

线性方法，PCA

非线性特征十分明显的数据集：流行学习(ISOMAP, LLE, MVU, Kernel PCA)

谱聚类：spectral clustering

最低0.47元/天 解锁文章

200万优质内容无限畅学
我眼中的变量聚类
许卉的博客
06-24 5163
连续变量怎样压缩？ 连续变量压缩的基本思路为：建模之前使用主成分、因子分析或变量聚类的方法进行变量压缩，后续建模时使用向前法、向后法、逐步法或全子集法进一步进行变量细筛。虽然方法的名称叫做变量聚类，但却并不是聚类分析，而是一种主成分分析的方法。 ...
Deep Learning笔记之一：K-means特征聚类算法
never give up的博客
06-03 1万+
聚类是数据挖掘中用来发现数据分布和隐含模式的一项重要技术，聚类分析是指事先不了解一批样品中的每个样品的类别或者其他的先验知识，而唯一的分类依据是样品的特征，利用某种相似性度量的方法，把特征相同的或相近的分为一类，实现聚类分析。
python 变量聚类 proc varclus_SAS中的聚类分析方法总结
weixin_39532628的博客
12-11 537
说起聚类分析，相信很多人并不陌生。这篇原创博客我想简单说一下我所理解的聚类分析，欢迎各位高手不吝赐教和拍砖。按照正常的思路，我大概会说如下几个问题：1.什么是聚类分析？2.聚类分析有什么用？3.聚类分析怎么做？下面我将分聚类分析概述、聚类分析算法及sas实现、案例三部分来系统的回答这些问题。聚类分析概述1.聚类分析的定义中国有句俗语叫“物以类聚，人以群分”——剔除这句话的贬义色彩。说白了就...
DTW-Kmeans-Transformer-GRU模型！时序聚类+状态识别！
m0_60703264的博客
06-07 922
在工业物联网、金融市场分析、医疗健康监测等领域，时序数据蕴含着丰富的信息。如何从海量时序数据中提取有效特征，实现精准的时序聚类与状态识别，成为数据挖掘与机器学习领域的重要研究方向。传统方法在处理复杂时序数据时存在一定局限性，而 DTW（动态时间规整）、Kmeans、Transformer 和 GRU（门控循环单元）相结合的模型，为时序聚类与状态识别提供了全新的解决方案。一、核心模型原理1.1 DTW（动态时间规整）
聚类分析中如何选择合适的聚类变量
最新发布
SPSSAU的博客
07-10 135
在聚类分析中，选择合适的聚类变量是确保分析结果准确和有意义的关键步骤。
聚类的一些评价手段
热门推荐
luoleicn的专栏
03-05 4万+
什么是聚类聚类简单的说就是要把一个文档集合根据文档的相似性把文档分成若干类，但是究竟分成多少类，这个要取决于文档集合里文档自身的性质。下面这个图就是一个简单的例子，我们可以把不同的文档聚合为3类。另外聚类是典型的无指导学习，所谓无指导学习是指不需要有人干预，无须人为文档进行标注。 聚类的评价既然聚类是把一个包含若干文档的文档集合分成若干类，像上图如果聚类算法应该把文档集合分成3
机器学习8—聚类算法之DBSCAN和Birch算法
ex_6450的博客
08-09 2733
DBSCAN算法优缺点优点1）不需要划分个数。跟 K-means 比起来，DBSCAN 不需要人为地制定划分的类别个数，而可以通 过计算过程自动分出。2）可以处理噪声点。经过 DBSCAN 的计算，那些距离较远的数据不会被记入到任何一个簇中，从而成为噪声点，这个特色也可以用来寻找异常点。3）可以处理任意形状的空间聚类问题。从我们的例子就可以看出来，与 K-means不同，DBSCAN 可以处理各种奇怪的形状，只要这些数据够稠密就可以了。缺点1）需要指定最小样本量和半径两个参数。...
K-Mean聚类算法
weixin_45856170的博客
06-19 2148
K-means的网络整合与部分个人看法
K-均值聚类算法通俗讲解
u012494321的博客
09-22 1万+
本章开始讲无监督学习，与有监督学习最大的区别是目标变量事前不存在。 本章是K-均值聚类算法。聚类是一种无监督的学习，它将相似的对象归到同一个簇中，将不相似对象归到不同簇。有点像全自动分类。聚类有时也被称为无监督分类，其产生的结果与分类相同，只是类别没有预先定义。聚类方法几乎可以应用于所有对象，簇内的对象越相似，聚类的效果越好。 K-均值聚类（K-means）算法是指将数据集分成k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。 一、K-均值算法 ...
5 模式识别-动态聚类算法（K均值算法、迭代自组织的数据分析ISOData算法）
du98看灯夜的博客
10-25 7079
武汉理工大学资源 郭志强 动态聚类算法：先选取初始的中心（每个类别的初始中心），然后把所有的样本进行聚类分析，聚类完成后，就去判断这个聚类结果合不合理（满不满足设计指标要求），如果合理就输出聚类结果（样本分类结果），如果不合理就自动修改相应的参数（一般是聚类结束判断参数），得到新的聚类中心之后再重新进行聚类，直到这组样本点的分类效果合理输出为止。 动态聚类算法的常用方法： ...
聚类分析的特征选择：如何提高模型性能
AI天才研究院
01-07 1697
1.背景介绍 聚类分析是一种无监督的机器学习方法，用于根据数据点之间的相似性来自动发现数据集中的结构。特征选择是聚类分析中的一个重要步骤，它涉及到选择哪些特征对于聚类的质量有着重要影响，哪些特征可以被忽略。在实际应用中，特征的数量通常非常大，因此需要有效的方法来选择关键特征，以提高聚类模型的性能。 在这篇文章中，我们将讨论聚类分析的特征选择问题，并介绍一些常见的方法和技巧。我们将从以下几个方面...
特征选择（二）-聚类变换
程引的专栏
05-10 5209
上一讲已经给出了类内距离的概念。 针对这个概念，有人从完全不同的两个角度给出了方法。 这就是聚类变换与K-L变换。本章介绍聚类变换。   降维到底是在干什么？ 各个特征（各个分量）对分类来说，其重要性当然是不同的。 舍去不重要的分量，这就是降维。   关键问题是，什么叫不重要？ 这就是为什么会有两种不同的变换了。   聚类变换认为：重要的分量就是能让变换后类内距离小的分量。
Clustering：Model-Based Algorithm
Coding、Learning and Sharing
03-13 1278
Clustering：Model-Based Algorithm   我们在前面学习过的Clustering算法模型有： 基于划分(Partitioning)：K-Means及其扩展算法 基于层次(Hierarchical)：Hierarchical Cluster算法 这两类算法能够在大多数常规数据空间中运行良好，但是其缺点也是比较明显。数据本身的特性，如欧式空间限制、初始值限制等...
聚类分析的实践：如何选择合适的聚类数
AI天才研究院
12-26 1472
1.背景介绍 聚类分析是一种常用的数据挖掘技术，它通过对数据集中的对象(如样本、数据点等)进行分组，将相似的对象放在同一组，从而揭示数据中的结构和模式。聚类分析的主要目标是找出数据中的“潜在结构”，以便更好地理解和解决实际问题。 聚类分析的一个关键问题是如何选择合适的聚类数。不同的聚类数会导致不同的聚类结果，因此选择合适的聚类数对于获取有意义的聚类结果至关重要。在实际应用中，选择合适的聚类数是...
DEMO:REUSE_ALV_GRID_DISPLAY复选框刷新grid_title_SAP刘梦_新浪博客
森林木的博客
01-20 726
最近写了写Function ALV 复选框 刷新的报表， 为了方便复制粘贴到其他项目修改，做了个demo。 效果 选中点删除后，删除数据，刷新title 结构和status 代码 REPORTzalv_demo. DATA:lt_alv_showLIKETABLEOFztest_spfli. DA...
聚类分析
equation的博客
09-23 5956
文章目录聚类分析原理部分样本的相似性度量：类与类之间的相似性度量$Q$ 型聚类层次聚类法（系统聚类法）代码实现K—means 聚类代码实现划分聚类分析围绕中心点的划分（PAM）代码实现模糊 k-means 聚类基于密度的聚类算法密度定义DBSCAN密度聚类思想与算法代码实现$R$ 型聚类分析变量相似性度量变量聚类法K-means 与 dbscan 算法比较聚类算法评价指标样本点有标签时Rand i...
聚类分析入门（理论）
weixin_44841312的博客
04-07 7973
一，聚类分数是什么？ 聚类分析是通过建立一种分类的方法，将一批样本数据（或者变量），按照他们在性质上的亲疏程度在没有前提假设的情况下自动进行分类。 1，一个类就是具有相似性的个体集合，不同类之间具有明确的相似性； 2，在分类中，不需要事先给出一个分类标准，聚类分析能够从样本数据出发，客观地决定分类标准。 二，聚类分析的步骤是什么？ 1，选择聚类的变量：依靠理论和经验选择变量 ...
聚类篇——（二）K-means聚类
ziyin_2013的博客
06-30 5634
K-means聚类也称快速聚类，属于覆盖型数值划分聚类算法。它得到的聚类结果，每个样本点都唯一属于一个类，而且聚类变量为数值型，并采用划分原理进行聚类。K-means聚类的基本思想：参数K用以决定结果中簇的数目，算法开始时，要在数据集中随机选择K个数据对象用来当做K个簇的初始中心，而将剩下的各个数据对象根据他们和每个聚类簇心的距离选择簇心最近的簇分配到其中。然后重新计算各个聚类簇中的所有数据对象的平均值，并将得到的结果作为新的簇心；逐步重复上述过程直至目标函数收敛为止。
"基于聚类中心动态选取的密度聚类算法研究
本文主要研究了基于聚类中心选取的聚类算法，并针对当前聚类算法中存在的聚类中心个数计算不精确、参数敏感、以及在密度不均匀的数据集中精度低等问题展开了深入研究。在聚类技术中，基于聚类中心的聚类技术是研究的...
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
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