白话机器学习算法(一)分层聚类

本文介绍了分层聚类的基本原理及其在文本聚类中的应用。通过将对象逐步合并成更大的类别来形成聚类层次结构,可以设定最终的类别数量或阈值来控制聚类过程。在实际操作中,文本的词频被选作聚类属性,而聚类距离则采用余弦距离。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

分层聚类:

1):对于若干输入对象,开始时候每个对象都是一类;

2):你可以想象一类就是一块磁铁,每次只允许一对磁铁吸在一起,要求是这对磁铁的距离所有距离里最近的,两个磁铁就变成一块大磁铁,他们归为一类(然后更新下这个大磁铁的中心,以便以后算距离),这样总类数就会减少一类;

3):直到聚到某个数目,比如最终我要聚到K类;或者设定一个阙值,当最小距离大于这个阙值时停止聚类。


在实际的文本聚类中,我们可以用到分层聚类的方法,聚类属性选择每个文本的词频   在吴军的数学之美上有介绍,聚类距离选择余弦距离。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值