谱聚类
先收藏下，数学不好的我，还要再看看
文章图片
image 谱聚类（spectral clustering）是广泛使用的聚类算法，比起传统的K-Means算法，谱聚类对数据分布的适应性更强，聚类效果也很优秀，同时聚类的计算量也小很多，更加难能可贵的是实现起来也不复杂。在处理实际的聚类问题时，个人认为谱聚类是应该首先考虑的几种算法之一。下面我们就对谱聚类的算法原理做一个总结。
谱聚类概述
谱聚类是从图论中演化出来的算法，后来在聚类中得到了广泛的应用。它的主要思想是把所有的数据看做空间中的点，这些点之间可以用边连接起来。距离较远的两个点之间的边权重值较低，而距离较近的两个点之间的边权重值较高，通过对所有数据点组成的图进行切图，让切图后不同的子图间边权重和尽可能的低，而子图内的边权重和尽可能的高，从而达到聚类的目的。
乍一看，这个算法原理的确简单，但是要完全理解这个算法的话，需要对图论中的无向图，线性代数和矩阵分析都有一定的了解。下面我们就从这些需要的基础知识开始，一步步学习谱聚类。
方法流程 
文章图片
image 算法知识点学习
1、无向权重图
2、相似矩阵
3、拉普拉斯矩阵
4、无向图切图
5、谱聚类之切图聚类
【谱聚类】参考：https://www.cnblogs.com/pinard/p/6221564.html
推荐阅读
- 拍照一年啦，如果你想了解我，那就请先看看这篇文章
- 【生信技能树】R语言练习题|【生信技能树】R语言练习题 - 中级
- 改变自己，先从自我反思开始
- 漫画初学者如何学习漫画背景的透视画法（这篇教程请收藏好了！）
- 收藏问答二走出误区
- 解读《摩根集团》（1）
- 和陈先生第三次在一起
- 最好的生活，首先是好好活着
- 话说先锋（与著名作家叶兆言对话之一）
- 先放下|先放下 ，求一个好心情