火鸡哥

DBSCANDBSCAN是一种密度聚类算法，它基于一组参数(ϵ\epsilonϵ,MinPts)来刻画样本分布的紧密程度。1､算法原理如上图所示，DBSCAN的有两个非常重要的参数ϵ\epsilonϵ和MinPts；图中“归同类"的意思是"如果该范围内有样本已经归类，则这些样本都属于该类；否则就创建一个新类别，这些样本都属于这个新类别”。ϵ\epsilonϵ：指的是范围半径；MinP...

KMeans聚类1､工作原理随机生成聚类中心，根据样本到聚类中心的距离进行分类，然后以各分类的样本中心为新的聚类中心，通过不断迭代更新聚类中心，以达到分类效果。 注：1､KMeans聚类是根据聚类中心进行分类的，所以需要指定聚类中心的个数，也就是分类的个数。2､KMeans聚类质量的好坏依赖于初始的聚类中心点，可以通过多次初始化聚类中心，以达到选择好的聚类结果。3､KMeans聚类迭...

层次聚类1､算法原理层次聚类将所有样本当成一个聚类，然后不断合并距离最近的聚类，直到只剩下一个聚类，由此得到系统树图；最后根据设定的聚类数n，将系统树切分为n个子树，从而达到聚类效果。由上图可得，层次聚类的关键在于如何计算两个聚类的距离，根据计算两个聚类的距离的算法可以分为以下四种聚类算法：1､单链接聚类法（sklearn里没有该方法）样本间最短的距离为聚类间的距离；2､全连接聚类法...

高斯混合模型无论是k-means、层次聚类还是DBSCAN，聚类后都是有明显的“分界线”的，但如果是两个混合在一起的数据，这些方法就不能很好地聚类了，而GMM却能很好地对这类混合数据进行分类，GMM是利用同类数据呈现高斯分布的原理对数据进行区分的。1､步骤第一步：初始化k个高斯分布；GMM必需的参数，n_components，指定聚类的数量第二步：将数据软聚类成我们初始化的k个高斯；...

  我们知道，监督学习的评价指标是准确率、召回率、F1､FβF_1､F_\betaF1​､Fβ​、ROC-AUC等等，但聚类方法在大多数情况下数据是没有标签的，这些情况下聚类就不能使用以上的评价指标了。  聚类有自己的评价指标，大多数聚类的评价指标是通过紧凑性和可分性来定义的。紧凑性基本上是衡量一个聚类中的元素彼此之间的距离，而可分性表示不同聚类之间的距离，总的来说聚类的评价指标有以下三个类型：...