SAM2un的博客

距离（相似度）关于欧式距离与余弦相似度的计算，在 MATLAB 中都有相应的函数。pdist(X,distance)

Purity：聚类划分的purity为，其中K是聚类（cluster）的数目，m是整个聚类划分所涉及到的成员个数。下表是对洛杉矶时报的3204篇文章进行k-means聚类的结果，k=6，label数=6。python实现：def purity(cluster, labels, k, label_set): p = np.zeros((k, len(label_set))) ...

RuntimeWarning: Mean of empty slice. for cent_i in range(k): # 重新计算中心点 k_cluster = data[np.nonzero(cluster == cent_i)] # 加上判断 if len(k_cluster) != 0: ...

python实现KmeansK-Means算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，两个样本点的距离越近，其相似度就越大。在K-means算法中，cluster是由距离靠近的样本点组成的，因此把得到距离接近的cluster作为目标。步骤：指定k个初始质心(centroids)，以作为聚类的初始cluster对所有点计算到各个质心的距离，将该点类别标为最近质心的clus...

DBscan算法是典型的基于密度的聚类算法，假定类别可以通过样本分布的紧密程度决定。在DBscan算法中，将样本密集的一个区域内的点作为一个cluster，再将相连的clueter聚合为一个cluster。把所有的数据点区分并标记为核心点、边界点和噪音点删除噪音点所有在半径Eps内的核心点间由边相连联通的核心点作为一组成为一个cluster分配每一个边界点到它所落入的核心点半径范围内的...