数据挖掘与机器学习——聚类算法 2024-05-30 09:45 算法, 支持向量机, 机器学习, 人工智能, 数据挖掘 31人 已看 目录 无监督学习 聚类算法 概念: 功能: 应用场景: 评判标准: 划分聚类: K-means聚类 逻辑实现: 聚类方式 问题: 解决: 可能存在的问题: 1.初始值对K-means聚类的影响 2.K值对K-means聚类的影响 python实现: 层次聚类 凝聚层次聚类 分裂层次聚类 层次聚类运行过程 层次聚类的问题 解决办法 MIN单连接 全连接 组平均 质心距离 层次聚类特点 python实现 密度聚类 相关概念 计算: 密度可达 密度相连 实现 优点: 缺点: 聚类质量衡量 轮廓系数 数据降维 特征选择实现方法: 代码实现: 特征提取实现方法 PCA算法 算法过程: python实现: 无监督学习 聚类算法 概念: 功能: 应用场景: 评判标准: 划分聚类: K-means聚类 逻辑实现: 聚类方式 问题: 解决: 可能存在的问题: 1.初始值对K-means聚类的影响 2.K值对K-means聚类的影响 python实现: 层次聚类 凝聚层次聚类 分裂层次聚类 层次聚类运行过程 层次聚类的问题 解决办法 MIN单连接 全连接 组平均 质心距离 层次聚类特点 python实现 密度聚类 相关概念 计算: 密度可达 密度相连 实现 优点: 缺点: 聚类质量衡量 轮廓系数 数据降维 特征选择实现方法: 代码实现: 特征提取实现方法 PCA算法 算法过程: python实现: