qq_39161216的博客

9.聚类有必要回顾下前文所涉及的机器学习主流分类，有监督学习中根据预测结果离散和连续属性分为分类和回归两大类，常见的算法有：线性模型、决策树、神经网络、支持向量机、贝叶斯分类器以及集成学习。本文开始说无监督学习（unsupervised learning），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及规律，为进一步的数据分析提供基础。聚类(clusteri...

1.分类（classification） 有监督学习的两大应用之一，产生离散的结果。例如向模型输入人的各种数据的训练样本，产生“输入一个人的数据，判断是否患有癌症”的结果，结果必定是离散的，只有“是”或“否”。分类方法是一种对离散型随机变量建模或预测的监督学习算法。使用案例包括邮件过滤、金融欺诈和预测雇员异动等输出为类别的任务。许多回归算法都有与其相对应的分类算法，分类算法通常适用于...

k最临近（KNN）算法是最简单的分类算法之一，属于有监督的机器学习算法。算法流程KNN的核心思想是：找出特征空间中距离待分类点最近的k个点，如果这k个点大多数属于某一个类别，则该样本也属于这个类别。k值一般取20以下的整数。下图为从网上截取的图片，可以直观看到与点x最临近的5个点里，有4个为红色圆点，因此将点x的类别判断为红色圆点一类。R语言实现在R中实现knn聚类，可以使用class...

https://cloud.tencent.com/developer/article/1334605

DBSCAN基于密度的聚类算法.(他聚类方法大都是基于对象之间的距离进行聚类，聚类结果是球状的簇)。基于密度的聚类是寻找被低密度区域分离的高密度区域定义：基于密度的带有噪声的空间聚类,可用于异常值监测，通俗来说就是基于密度的聚类算法！簇的定义：簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并且可以在噪声的空间数据库中发现任意形状的聚类原理：该算法利用基于密度的聚类的思...