【机器学习】机器学习实验六：聚类算法（详细代码展示）

一、实验介绍

1.1 简单介绍

简单介绍K-means、层次聚类，DBSCAN 和密度峰值聚类(DPC)算法的原理

1.2 鸢尾花数据实验

• 对鸢尾花数据集进行探索性分析与预处理
• 选取兰德系数和轮廓系数作为评价指标，对四种算法在该数据集上的性能进行分析

1.3 算法参数影响探究

• 介绍三种算法中的几个主要参数（K-Means 中的 k 参数、DBSCAN 中的 eps 与 min_samples 参数、DPC 中的t0参数–t0 的含义为圆中样本个数占数据集总样本数的比例）
• 以鸢尾花数据为例，选取合适的评价指标，探究 K-Means 算法中 k 参数对算法的性能影响，并尝试找出确定 k 参数的方法
• 以模拟数据为例(如：高斯分布数据集，Spiral 数据集，Circle数据集)，选取合适的评价指标，探究另外三个参数（eps与min_samples、t0）对各自算法的性能影响

二、项目地址

https://mbd.pub/o/bread/ZJaZk5ps

三、算法结果展示

1. 绘制原始分布图