BIRCH详解

最新推荐文章于 2022-07-21 11:31:06 发布

原创

最新推荐文章于 2022-07-21 11:31:06 发布 · 849 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#BIRCH #可伸缩聚类

BIRCH（Balanced Iterative Reducing and Clustering using Hierarchies）是一种可伸缩聚类算法，通过构建聚类特征树（CF-Tree）来处理大规模数据。算法包括扫描数据、生成CF-Tree、全局聚类和结果细化等步骤。CF由N、LS和SS组成，用于表征聚类特征。CF-Tree的构建过程中，通过调整阈值B、L、T控制树的规模。BIRCH算法适用于内存有限的情况，通过迭代优化提供聚类效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

BIRCH（Balanced Iterative Reducing and Clustering using Hierarchies）详解

第三十次写博客，本人数学基础不是太好，如果有幸能得到读者指正，感激不尽，希望能借此机会向大家学习。这一篇作为可伸缩聚类（Scalable Clustering）算法的第三篇，主要是对BIRCH（Balanced Iterative Reducing and Clustering using Hierarchies）算法进行详细介绍，其他可伸缩聚类算法的链接可以从《可伸缩聚类算法综述（可伸缩聚类算法开篇）》这篇文章中找到。

CF和CF-Tree

聚类特征（Clustering Feature，简称CF）是一种用来表征聚类特征的数据格式，他由以下三部分组成：簇中所含样本点的个数（用 $N$ 来表示）、簇中所有点的各项属性的线性和（用 $L S$ 来表示）以及簇中所有点的各项属性的平方和（用 $S S$ 来表示），假设存在簇 $C=\{\left(1,2\right),\left(2,1\right),\left(1,1\right),\left(2,2\right)\}$ ，那么 $N = 4$ ， $LS=\left(\{1+2+1+2\},\{2+1+1+2\}\right)=\left(6,6\right)$