<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[zrc___的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/zrc___</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zrc___]]></copyright><item><title><![CDATA[聚类入门笔记]]></title><link>https://blog.youkuaiyun.com/zrc___/article/details/108962785</link><guid>https://blog.youkuaiyun.com/zrc___/article/details/108962785</guid><author>zrc___</author><pubDate>Thu, 08 Oct 2020 15:18:04 +0800</pubDate><description><![CDATA[聚类入门笔记聚类概念聚类算法分类几种典型聚类算法K均值算法流程过程优缺点K最近邻算法（KNN）流程过程优缺点层次聚类算法过程特点密度聚类算法指导思想特点DBSCAN（有代表性的基于密度的聚类算法）算法流程
聚类概念
聚类就是对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大，而类别间的数据相似度较小。
聚类中没有任何指导信息，完全按照数据的分布进行类别划分。聚类的大小和结构都没有事先假定。
聚类算法分类

几种典型聚类算法
K均值算法
流程

过程

设置初始类别数K]]></description><category></category></item></channel></rss>