读书笔记-《机器学习》第九章：聚类

最新推荐文章于 2025-06-03 21:49:26 发布
原创 最新推荐文章于 2025-06-03 21:49:26 发布 · 835 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

本文探讨了无监督学习的概念及应用，特别是聚焦于聚类算法。介绍了聚类的目标、性能度量指标，并详细讨论了几种主要的聚类方法，如K均值算法、DBSCAN等。
部署运行你感兴趣的模型镜像
  • 在“无监督学习”中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据内在性质及规律，为进一步的数据分析提供基础
  • 聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名
  • 聚类既能作为一个单独过程，用于寻找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过程
  • 聚类性能度量
    • 外部指标
      • Jaccard系数
      • FM指数
      • Rand指数
    • 内部指标
      • BD指数
      • Dunn指数
  • 距离计算
    • 闵可夫斯基距离：有序属性
    • VDM距离：无序属性
  • 原型聚类
    • K均值算法
    • 学习向量量化
    • 高斯混合聚类
  • 密度聚类
    • DBSCAN
  • 层次聚类
    • AGNES
  • k均值算法可看作高斯混合聚类在混合成分方差相等，且每个样本仅指派给一个混合成分时的特例

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型，相比 3.0 版本，它提升了图像质量、运行速度和硬件效率

周志华机器学习西瓜书 第九章 聚类-学习笔记
Sodas的博客
03-15 399
还要其他的有标记样本使用聚类的算法，除了这种指定正类负类的。其中𝑑𝑖𝑠𝑡(𝑥𝑖,𝑥𝑗)用于计算两个样本之间的距离，avg(C)是指簇内样本的平均距离，diam(C)是簇内样本的最大距离，𝑑𝑚𝑖𝑛(𝐶𝑖,𝐶𝑗)是簇间样本的最小距离，𝑑𝑐𝑒𝑛(𝐶𝑖,𝐶𝑗)是簇与簇之间中心点的距离。聚类是无监督学习中非常典型的任务，聚类的目的是将数据样本划分为若干个通常不相交的子集，每一个子集成为"簇-cluster"，其即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
读书笔记-《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》 第2版(第一章)
qq_27093831的博客
05-09 648
第一部分 机器学习的基础知识 第1章 机器学习概览 在本章中，我们了解到了机器学习中重要的一些概念，现在我们回答下列问题： 1、如何定义机器学习？ 机器学习是关于构建可以从数据中学习的系统。学习意味着在一定的性能指标下，在某些任务上会变得越来越好。 2、机器学习在哪些问题上表现突出，你能给出四种类型吗？ 机器学习非常适合没有算法 3、什么是被标记的训练数据集？ 4、最常见的两种监督学习任务是什么？ 5、你能举出四种常见的无监督学习任务吗？ 6、要让一个机器人在各种未知的地形中行走，你会.
机器学习 第9章 聚类 概念总结和简单实践
Hey_yf的博客
03-18 581
一 解决的问题 聚类属于无监督学习中的方法，目的在于在未标注label的数据集中找到潜在规律，并将数据进行聚类。 因为没有给定label，基本流程都是先随机产生样本作为计算中心，计算其他样本与中心的距离，距离近的划为同类； 迭代簇的数据中心，再进行下一轮计算，直到簇内数据不再变化或者达到停止条件，比如到达设定的簇数。 二 概念总结 三 习题 题9.4 基于西瓜集4.0设置三组不同...
机器学习第9章（聚类）
jinhualun911的博客
09-28 803
聚类（clustering） 9.1 聚类任务 聚类试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个“簇”。通过这样的划分，每个簇可能对应于一些潜在的概念或类别。聚类过程仅能自动形成簇结构，簇所对应的概念需要人进一步去解释。 假定样本集包含m个无标记样本，每个样本是一个n维特征向量，则聚类算法将样本集D划分为k个不相交的簇，其中，且，用表示样本的簇标记，即。聚类的结果可用包含m个元素的簇标记...
机器学习（周志华）读书笔记---第9章 聚类
铭宇要做后台攻城狮
06-05 969
9.1 聚类任务 9.1 聚类任务 聚类试图将数据集中的样本划分为若干个通常是不相交的子集 聚类既能作为一个单独的过程，用于寻找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过程。 基本思想：给定一个有N个对象的数据集，划分聚类技术将构造数据的K个划分，每一个划分代表一个蔟，K小于等于n，对于给定的k，算法首先给出一个初始的划分方法，以后通过反复迭代的方法改变划分，使得每一次改进之后...
『机器学习——周志华』第九章聚类
L聪记博客
11-20 1912
1、聚类试图将数据集中的数据划分为若干个通常是不相交的子集，每个子集称为一个“簇”(cluster) 2、聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名 思考：簇所对应的概念固然是可以任意命名的，但我们一般的规律仍然是通过样本的属性来命名的，这就意味着，有可能根据样本特征给不同的簇命名 3、聚类既能作为一个单独的过程，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
《机器学习》第九章 聚类
weixin_43958728的博客
02-02 1327
9.2 性能度量 外部指标：将评价结果与专家给出的模型的结果相对比 S=Same D=Different 给出两种簇划分的方式 ； b：第i和第j个样本在第一种划分中属于同一个簇，在第二种划分中属于不同的簇。 表示两者划分完全相同的可能性在可能相同中的比例。 表示完全相同的可能性在第一种划分中相同的可能性的比例乘上在第二种种相同的可能性。 两次判断相同占所有可能的比例。 内部指...
【机器学习基础】第三十五课：聚类之原型聚类
最新发布
qq_34222839的博客
06-03 1106
【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。
机器学习笔记之谱聚类(一)k-Means聚类算法介绍
静静的学习就好
02-20 1266
从本节开始，将介绍聚类任务，本节将介绍k-Means算法。
《机器学习》周志华(西瓜书)学习笔记 第九章 聚类
sdm12345的博客
07-07 2111
机器学习笔记 总目录 第九章 聚类 聚类是一种经典的无监督学习方法，无监督学习的目标是通过对无标记训练样本的学习，发掘和揭示数据集本身潜在的结构与规律，即不依赖于训练数据集的类标记信息。聚类则是试图将数据集的样本划分为若干个互不相交的类簇，从而每个簇对应一个潜在的类别。 9.1 距离度量 聚类性能度量亦称聚类"有效性指标" (validity index). 目标: 聚类结果的"簇内相似 度" (...
《机器学习》-周志华 第九章：聚类 读书笔记
虎哥的铲屎员
06-17 1459
文章目录9.聚类（clustering）9.1 聚类简介9.2 距离计算“距离度量”的基本性质不同属性的距离计算有序属性的距离表示无序属性的距离VDM(value difference metric)混合属性聚类中距离的使用9.3 k-means9.3.1k-means算法9.3.2 k-means++(改进算法)9.3.3 elkan k-means（改进算法）9.3.4 miniBatch k...
机器学习----第九章聚类 学习笔记
weixin_43580130的博客
07-31 1605
文章目录引入性能度量距离计算原型聚类K均值（K-means）学习向量量化（Learning Vector Quantization，LVQ）高斯混合聚类（Mixture-of-Gaussian）（有点难理解）密度聚类层次聚类 引入 首先我们先来理解“无监督学习”：它是指训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质和规律。通俗来讲就是，当我们想要完成一个分类任务时，我们完全不知道应该分为几类，具体的类别也是未知的。 无监督学习中研究最多、应用最广的就是“聚类”(cluste
【读书笔记】【机器学习实战】第九章：TensorFlow
MJ_Lee的博客
03-27 580
阅读书籍为《Hands-On Machine Learning with Scikit-Learn & TensorFlow》王静源等翻译的中文译版《机器学习实战，基于 Scikit-Learn 和 TensorFlow》,本文中所有图片均来自于书籍相关部分截图。 文章目录TensorFlow是什么鬼如何使用TensorFlow用加州的房价数据集实现一个线性回归实现一个梯度下降手工实现自动...
机器学习-周志华》读书笔记-第9章 聚类
babi_qq的博客
03-11 3986
《机器学习-周志华》读书笔记-第9章 聚类聚类简介K均值算法 聚类简介 当所给数据记录没有类别标签时而又想通过对样本的观察与训练得到分类标签与模型时，需要用到聚类模型。 将分成的一类一类称为“簇” 聚类目标： 簇内相似度高而簇间相似度低 聚类问题涉及到的两个基本问题是：1、性能度量 2、距离计算 1、性能度量，衡量模型泛化能力的指标（可类比正常模型的目标函数） 1-1 外部指标：将本模型...
《机器学习》--周志华 （第九章学习笔记）
Cristal_yin的博客
07-30 1034
聚类聚类任务目标：将数据样本划分为若干个通常不相交的“簇”聚类任务既可以作为一个单独过程（用于找寻数据内在的分布结构）也可以作为分类等其他学习任务的前驱过程。性能度量聚类性能度量，亦称聚类“有效性指标” 外部指标将聚类结果与某个“参考模型”进行比较 内部指标直接考察聚类结果而不用任何参考模型 距离计算距离度量需满足的基本性质 常见聚类方法 原型聚类 原型聚类 亦称“基于原型的聚类” 假设：聚类结
学习笔记【机器学习重点与实战】——9 聚类算法原理
dkjkls的博客
05-04 1007
1 K-Means K-Means算法，也被称为K-均值算法或K-平均，是一种广泛使用的聚类算法，或者为其它聚类算法的基础。 K-Means是发现给定数据集的 k 个簇的算法。簇个数 k 是用户给定的，每一个簇通过其质心(centroid)， 即簇中所有点的中心来描述。 K-Means算法过程伪代码表示如下： 创建k个点作为起始质心（经常是随机选择） 当任意一个点的簇分配结果发生改变...
机器学习之聚类
爱python的王三金
10-10 404
聚类概念： 无监督问题：我们手里没有某一个数据属于某一个标签 聚类：将相似的东西分到一组 难点：不像有监督问题有标签 评估难度大 没有标准答案调参难 K-MEANS算法基本概念: 要得到簇的个数，需要制定K值 质心：数据的均值，即向量各维取平均即可 距离的度量：常用欧式距离和余弦相似度（先标准化） 优化目标：使得每个簇当中，所以样本点到质心的距离越小越好 min∑i=1k∑xϵCidict...
机器学习实战---读书笔记： 第10章 利用K均值聚类算法对未标注数据分组---1
qingyuanluofeng的专栏
12-16 425
#!/usr/bin/env python # encoding: utf-8 import os from matplotlib import pyplot as plt from numpy import * ''' 读书笔记之--<<机器学习实战>>--第10章_利用K均值聚类算法对未标注数据分组 关键: 1 聚类: 含义：无监督学习，将相思对象归到同一个簇...
第九章 读书笔记
weixin_30483495的博客
07-04 156
这一章主要讲的是硬件抽象层：HAL HAL ( Hardware Abstraction Layer，硬件抽象层 )是建立在Linux 驱动之上的一套程序库。这套程序库并不属于Linux 内核， 而是属于Linux 内核层之上的应用层。 Google为android加入hal主要目的如下： 1、统一硬件的调用接口。 2、解决了gpl版权问题。 3、针对一些特殊的要求。 ...
斯坦福机器学习课程笔记汇编：从神经网络到聚类算法
描述：“斯坦福机器学习的课程的详细介绍06-10”表明这个压缩包可能包含了斯坦福机器学习课程中第6课到第10课的详细讲义或笔记。这意味着内容可能涵盖了从基础到进阶的机器学习主题，给学习者提供了一个系统学习的...
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