机器学习聚类知识总结
-
聚类任务的标准定义：
聚类结果的性能度量：同一簇相似度高，不同簇相似度低。
A.内部指标：
B.外部指标：距离计算：
距离度量的定义
闵科夫斯基距离
欧式距离 (p=2)
曼哈顿距离 (p=1)
对于无序属性采用VDM距离
综合起来处理：-
基于原型的聚类：k均值算法
-
基于密度的聚类： DBSCAN算法
基于层次的聚类：AGENT算法
聚类任务的标准定义：
聚类结果的性能度量：同一簇相似度高，不同簇相似度低。
A.内部指标：
B.外部指标：
距离计算：
距离度量的定义
闵科夫斯基距离
欧式距离 (p=2)
曼哈顿距离 (p=1)
对于无序属性采用VDM距离
综合起来处理：
基于原型的聚类：k均值算法
基于密度的聚类： DBSCAN算法
基于层次的聚类：AGENT算法