数据挖掘与机器学习——聚类算法

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：