本文探讨了聚类分析的重要性和常用模型，包括K-Means、层次聚类和最大期望EM算法。聚类距离的计算方法和数据标准化过程也被提及。此外，文章讨论了如何评价聚类结果，如轮廓系数、兰德指数等指标，并提到了DBSCAN作为解决异常值和非凸样本集的聚类方法。最后，介绍了Python中的一些聚类质量评估工具。
聚类分析：用于客户细分极为重要。三类常见的聚类模型，K-Means,层次聚类，最大期望EM算法，其他的还有密度聚类
如何评价聚类结果好坏，一些常用的指标又有哪些
聚类分析的目的：让类群内观测的距离最近，同时不同全体之间的距离最大
1.聚类分析的距离问题：样本聚类距离：欧式距离，绝对值距离，明式距离，马氏距离。概率分布的距离衡量：k_l代表P,Q概率分布差的期望
聚类分析一般要进行标准化，因为聚类数据收到量纲的影响
标准化 x-min(x) / max(x)-min(x) 最小最大规范化 也叫离差标准化，是对原始数据的线性变换，将数据映射到[0,1]之间，与功效系数法相同
正态标准差标准化、零均值规范化等方法，经过处理的数据均值为0，标准差为1。公式为：
x*=(x-均值)/标准差
因为均值受离群值影响较大，也可以将均值替换成变量的中位数。
2.群体聚类距离：
3.常见的聚类模型：
K_means：
1.将所有的点划分到k个群体，使得群体之间的距离尽量大，全体内部距离和最小，k均值是在每次迭代中只计算聚类分布的质心
最低0.47元/天 解锁文章
扫一扫
4446
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
