kmeans算法過(guò)程
kmeans++與kmeans不同之處在于初值的選擇上。
距離度量方式
K-Means聚類算法原理
用scikit-learn學(xué)習(xí)K-Means聚類
BIRCH聚類算法原理
scikit-learn之BIRCH類
DBSCAN密度聚類算法
用scikit-learn學(xué)習(xí)DBSCAN聚類
譜聚類（spectral clustering）原理總結(jié)
用scikit-learn學(xué)習(xí)譜聚類

各向異性，馬氏距離

初始的簇心相距較遠(yuǎn)




將距離轉(zhuǎn)成概率，以概率選擇相應(yīng)距離的點(diǎn)

不平衡數(shù)據(jù)的分類問(wèn)題：把少類看成噪聲，去除噪聲

默認(rèn)每個(gè)類別屬于方差相同的高斯分布——>k-means minibatch方法

K值的選擇

輪廓系數(shù)

層次聚類算法

總結(jié)

以上是生活随笔為你收集整理的聚类算法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。