第十四章 聚类方法

最新推荐文章于 2025-05-24 09:26:43 发布
最新推荐文章于 2025-05-24 09:26:43 发布
阅读量210 收藏
点赞数
分类专栏： 统计学习方法第二版笔记 文章标签： 聚类 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_40718824/article/details/115427140
版权
聚类算法（一）层次聚类
yinlili2010的专栏
10-25 8171
聚类          聚类是对点集进行考察并按照某种距离测度将他们聚成多个“簇”的过程。聚类的目标是使得同一簇内的点之间的距离较短，而不同簇中点之间的距离较大。 一、聚类算法介绍 层次法和点分配法。 1.1     点、空间和距离 点集是一种适合于聚类的数据集，每个点都是某空间下的对象。一般意义上，空间只是点的全集，也就是说数据集中的点从该集合中抽样而成。特别地，欧式空间下的点就是实数
聚类算法(Clustering Algorithms)之层次聚类(Hierarchical Clustering)
weixin_44746091的博客
04-11 5452
在之前的系列中，大部分都是关于监督学习（除了PCA那一节），接下来的几篇主要分享一下关于非监督学习中的聚类算法（clustering algorithms）。 一、先了解一下聚类分析（clustering analysis） Cluster analysis or clustering is the task of grouping a set of objects in such a way that objects in the same group (called a cluster) are mor
第十四章聚类方法.14.1聚类的基本概念
老毛的博客
04-17 505
文章目录主要内容相似度或距离 本课程来自深度之眼，部分截图来自课程视频以及李航老师的《统计学习方法》第二版。 公式输入请参考：在线Latex公式 主要内容 1.相似度或距离：相似度的定义与适用范围 2.闵可夫斯基距离：表达式与数学性质 3.马哈拉诺比斯距离：表达式与数学性质，同闵可夫斯基距离的比较 4.相关系数：表达式与数学性质，局限性，相关计算 5.夹角余弦：不同类型夹角余弦的表达式与比较 6.相似度：概念含义与相关计算7.类或簇概念含义与应用范围 8.类与类之间的距离：各类距离表示法的公式与比较 相似度
8. 聚类算法
柳杰的博客
02-21 386
文章目录引言一、相似度或距离1.闵可夫斯基距离2.马氏距离3.兰氏距离4.斜交空间距离5.相关系数6. 夹角余弦二、类或簇1.类的定义2.类的特征3.类间距离三、层次聚类1.聚合聚类 引言 一、相似度或距离 1.闵可夫斯基距离 2.马氏距离 3.兰氏距离 4.斜交空间距离 5.相关系数 6. 夹角余弦 二、类或簇 1.类的定义 2.类的特征 3.类间距离 三、层次聚类 1.聚合聚类 ...
层次聚类分析代码_第七讲 聚类分析 K-Means
weixin_35000379的博客
01-08 250
聚类分析聚类： 把相似数据并成一组(group)的方法。'物以类聚，人以群分' , 不需要类别标注的算法，直接从数据中学习模式。所以，聚类是一种数据探索的分析方法，帮助我们在大量数据中探索和发现数据结构。聚类分析的目的是在数据中发现数据对象之间的关系，并将数据进行分组，使得组内的相似性尽可能大，组间的差别尽可能大，那么聚类的效果越好。聚类模型优缺点:优点： 算法原理简单，处理快;当聚类密集时，类与...
李航老师《统计学习方法》第2版课件：第14章 聚类方法.rar
03-10
《统计学习方法》是李航教授的一本...通过李航老师的《统计学习方法》第14章，我们可以系统地学习聚类方法的基本概念、算法及其在实际问题中的应用。理解并掌握这些内容对于提升数据分析和机器学习实践能力至关重要。
清华出品 机器学习技术课程 统计学习方法第二版系列课程 第14章 聚类方法 共52页.pptx
05-03
【聚类方法】是机器学习领域中的一种无监督学习技术，旨在发现数据集中的自然群体或类别，无需预先设定目标变量。本章重点讨论了如何衡量样本间的相似度或距离，这是聚类算法的基础。 首先，【相似度或距离】是聚类...
深入解析第14章 聚类方法
《统计学习方法》第2版的第14章聚类方法.pptx文件，是李航老师为配合该教材内容而设计的课件。该课件以PPT格式呈现，通过图表、公式和实例讲解等直观的方式，帮助学生和从业者更好地理解和掌握聚类分析的各种理论和...
统计学习方法学习笔记：第十四章：聚类方法
weixin_44692791的博客
11-02 499
第十四章：聚类方法 基本概念 聚类是根据样本之间的相似度或距离来将样本进行归类，不同的距离度量方式会影响最终的聚类效果，常用的距离或相似度有下列： 闵可夫斯基距离：欧式、曼哈顿距离、切比雪夫距离等 马哈拉诺比斯距离：dij=[(xi−xj)TS−1(xi−xj)]12,d_{ij}=[(x_i-x_j)^TS^{-1}(x_i-x_j)]^{\frac{1}{2}},dij​=[(xi​−xj​...
《统计学习方法》第十四章聚类算法
weixin_47675950的博客
03-17 431
一、写在前面 本文是《统计学习方法》第十四章聚类方法读书笔记。本书第十二章是监督学习总结，第十三章是无监督学习概述，主要是了解性知识和概述，因此本博客笔记跳过了这两章（主要没啥好写的，次要我偷懒了，嘿嘿）。本文作个人备忘用，不保证质量和延续性。 聚类算法种类较多，如层次聚类，密度聚类，K-means聚类，均值漂移聚类等等。《方法》中仅简要介绍了其中两种：K-means算法和层次聚类算法。 二、层次聚类算法 层次聚类假设类别之间存在层次结构，将样本聚到层次化的类中。层次聚类又有自上而下的聚合聚类和自下而上的分
多元统计分析——聚类分析——层次聚类
huangguohui_123的博客
06-30 3万+
聚类方法 适用场景 代表算法 优点 缺陷 延伸 层次聚类 小样本数据 - 可以形成类相似度层次图谱，便于直观的确定类之间的划分。 该方法可以得到较理想的分类 难以处理大量样本 基于划分的聚类 大样本数据 K-means算法 是解决聚类问题的一种经典算法，简单、快速，复杂度为O(N) 对处理大数据集，该算法保持可伸缩性和高效率 当簇近似为高斯分布时，它的效果较好 .
聚类系列-层次聚类（Hierarchical Clustering）
热门推荐
u012500237的博客
03-23 8万+
上篇k-means算法却是一种方便好用的聚类算法，但是始终有K值选择和初始聚类中心点选择的问题，而这些问题也会影响聚类的效果。为了避免这些问题，我们可以选择另外一种比较实用的聚类算法-层次聚类算法。顾名思义，层次聚类就是一层一层的进行聚类，可以由上向下把大的类别（cluster）分割，叫作分裂法；也可以由下向上对小的类别进行聚合，叫作凝聚法；但是一般用的比较多的是由下向上的凝聚方法。本文会对分裂法
spss聚类分析_SPSS实践：常用聚类分析方法详解
weixin_39646021的博客
12-09 1万+
- 点击上方“爱数据学习社”关注我们吧！-文末领取【100份简历模板】聚类分析的基本原理是，根据样本的属性，使用某种算法计算相似性或者差异性指标，以确定每个个案之间的亲疏关系，最终将所有个案分为多个相似组(即聚类)，同一聚类的个案彼此相同，不同聚类中的个案彼此不同。常见的聚类方法有K均值聚类法、系统聚类法(也叫层次聚类法)等。简而言之，聚类分析根据样本的多个属性，将相似的对象聚为一类，...
聚类算法之层次聚类
qq_32294855的博客
05-02 2427
一. 层次聚类 层次聚类(hierarchical clustering)是一种基于原型的聚类算法，试图在不同层次对数据集进行划分，从而形成树形的聚类结构。数据集的划分可采用"自底向上"的聚合策略，也可以采用"自顶向下"的分拆策略。层次聚类算法的优势在于，可以通过绘制树状图(dendrogram)，帮助我们使用可视化的方式来解释聚类结果。层次聚类的另一个优点就是，它不需要事先指定簇的数量。 二. ...
【数据挖掘】基于层次的聚类方法 ( 聚合层次聚类 | 划分层次聚类 | 族间距离 | 最小距离 | 最大距离 | 中心距离 | 平均距离 | 基于层次聚类步骤 | 族半径 )
让 学习 成为一种 习惯 ( 韩曙亮 の 技术博客 )
05-07 9328
基于层次的聚类方法 简介 基于层次的聚类方法 概念 聚合层次聚类 图示 划分层次聚类 图示 基于层次的聚类方法 切割点选取 族间距离 概念 族间距离 使用到的变量 族间距离 最小距离 族间距离 最大距离 族间距离 中心点距离 族间距离 平均距离 基于层次聚类 ( 聚合层次聚类 ) 步骤 基于层次聚类 ( 聚合层次聚类 ) 算法终止条件 族半径 计算公式 基于层次聚类总结
聚类(2)——层次聚类 Hierarchical Clustering
weixin_30920091的博客
06-23 1284
（转载请注明来源：http://blog.youkuaiyun.com/jiang1st2010/article/details/7685809） 不管是GMM，还是k-means，都面临一个问题，就是k的个数如何选取？比如在bag-of-words模型中，用k-means训练码书，那么应该选取多少个码字呢？为了不在这个参数的选取上花费太多时间，可以考虑层次聚类。 假设有N个待聚类的样本，对...
机器学习算法-聚类K-Means
QingHan_wow的博客
05-20 576
如图(a)所示：表示初始化数据集。如图(b)所示：假设K=2，随机选择两个点作为类别质心，分别为图中的红色和蓝色质心。如图©所示：分别求样本点xi到这两个质心的距离，并标记每个样本点的类别为距离质心最近的类别。划分得到两个簇C1和C2，完成一次迭代。如图(d)所示：对标记为红色的点和蓝色的点分别求新的质心。如图(e)所示：重复图©(d)过程，标记每个样本点的类别为距离质心最近的类别，重新划分得到两个簇C1和C2。如图(f)所示：直到质心不再改变后完成迭代，最终得到两个簇C1和C2。
【漫话机器学习系列】275.GrabCut 算法——用于去除图片背景（Grabcut For Removing Image Backgrounds）
最新发布
IT古董
05-24 704
GrabCut 是由微软剑桥实验室于 2004 年提出的一种交互式图像前景分割算法。相比传统的图像分割方法，它的亮点是：支持用户轻松交互，只需简单画个矩形；基于高斯混合模型（GMM）与图割（Graph Cut）优化；分割效果细腻，适用于复杂背景下的图像处理。GrabCut 是一项结合图割与 GMM 的强大图像分割算法；通过手动圈定目标区域，就能自动判断前景与背景；适合中等难度的抠图任务，是 OpenCV 实战中的常用技能之一。
飞桨（PaddlePaddle）在机器学习全流程（数据采集、处理、标注、建模、分析、优化）
Yulay专栏
05-23 1566
飞桨通过全流程工具链和中文生态优势，尤其适合国内政务、金融、教育等领域的落地场景，同时提供从数据到部署的一站式解决方案，降低企业级AI开发门槛。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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