锐客网

  1. 首页 > 睿知 > >

k-mens聚类分析优缺点,聚类分析和判别分析的优缺点

经验分享睿知

【k-mens聚类分析优缺点,聚类分析和判别分析的优缺点】聚类分析 ， k-means聚类部分问题1KMeans 聚类如何证明收敛性？与传统K-Means算法聚类、聚类(聚类)降维(di mens Ionityeducation)、离群点检测(离群点检测)、推荐系统(推荐系统)、监督学习相比:对训练样本进行信息标记，利用已有训练样本信息预测未知的新样本标签来学习数据 。回归分析(回归) ， 分类/12344 。

1、分类和 聚类的区别及各自的常见算法1、分类与聚类:分类，对于一个分类器，你通常需要告诉它一些例子比如“这个东西分一定的类” 。理想情况下，分类器将从它获得的训练集中“学习”，从而有能力对未知数据进行分类 。这种提供训练数据的过程通常被称为supervisedlearning和Clustering( 聚类)，简单来说就是将相似的事物分组到一个组中 。聚类，我们不在乎某个品类是什么，我们需要达到的是把相似的东西聚在一起 。

2、 聚类(Clusteringunsupervisedlelearning:训练样本的标注信息未知，目标是揭示训练样本的内在属性、结构和信息 ， 为进一步的数据挖掘提供依据 。聚类(聚类)降维(di mens Ionityeducation)、离群点检测(离群点检测)、推荐系统(推荐系统)、监督学习:对训练样本进行信息标记 ， 利用已有的训练样本信息对未知的新样本标签进行预测，学习数据 。回归分析(回归)，分类/12344 。

3、主成分 分析, 聚类 分析,因子 分析的基本思想以及他们各自的优缺点 。主成分分析与因子的差分析 1 。目的不一样:Factor 分析很多变量都被看作是一些对每个变量都有作用的共同因素和一些只对某个变量有作用的特殊因素的线性组合，所以需要从数据中检查配对 。主成分分析仅从空间生成的角度，找到几组不相关的新变量(主成分) ， 可以解释许多变量的大部分变异 。2.线性表示的方向不同:因子分析是表示为公因子的变量的线性组合；主成分分析将主成分表示为变量的线性组合 。

4.提取主因子有不同的方法:factor 分析不仅有主成分法 ， 还有最大似然法和主轴因子法，基于这些方法得到的结果也是不同的；主成分只能用主成分法提取 。5.主成分和因子的变化:当给定协方差矩阵或相关矩阵的特征值唯一时，主成分一般是固定的；但是因子分析不是固定的，可以旋转得到不同的因子 。

4、K-Means 聚类若干问题1KMeans 聚类如何证明收敛性？会收敛吗？2 聚类终止条件:迭代次数、聚类中心变化率、最小均方误差MSE？3 聚类初始值的选取对聚类结果有什么影响？(KMeans对初值敏感)4肘选法确定聚类数k没有所谓的最佳方法，通常需要根据不同的问题手动选择 。我们在选择的时候，要思考我们使用K-means算法聚类的动机是什么，然后选择最能服务于目标的目标聚类 。

关于“肘规则”，我们需要做的是改变k的值，即聚类类别总数 。我们使用a 聚类来运行K-means 聚类方法 。这意味着所有的数据将被分成一个聚类，然后代价函数J，k代表聚类 category 。我们可能会得到这样的曲线 。就像人的手肘 。这就是“肘规则”的作用 。我们来看这样一张图 。看起来那里好像有一个清晰的肘关节 。

5、高斯混合 聚类优缺点距离和规则的相似性很容易定义，限制很少 。不需要事先做聚类号，可以找到类的层次关系，可以聚类成其他形状 。1.需要定义均值，需要指定聚类的个数，对K值比较敏感 。也就是说，k的选取会很大程度上影响分类效果 ， 对离群点和噪声点比较敏感 。一些过大的离群点会有很大的影响，算法对初始聚类中心选择比较敏感 。

6、对比传统K-Means等 聚类算法,LDA主题模型在文本 聚类上有何优缺点CategorizationorClassification按照一定的标准对图像进行标记，然后根据标记的区域进行分类 。简单描述聚类指的是预先找到没有标签的事物之间聚合的原始类，预先定义类别的个数 。分类器需要通过工业标注类的训练语料库进行训练，属于引导学习类/ -1/类别数不是预先确定的聚类需要标注预先训练好的类别的类别聚类如果自身类别适合该类别或者类别体系已经确定，情况比根据图画书的情况要好；聚类在类别体系和类别数确定的情况下 ， 适用于文档摘要、搜索引擎节点聚类(元搜索)等类别功能或类别模型(称为分类器)的一些应用 。
7、分层 聚类的优缺点优点:1 。距离和规则的相似性很容易定义，限制很少，2.聚类不需要提前编号 。3.通过检测不同粒度级别的数据，可以发现类的层次关系，缺点:1 。level 聚类算法需要计算邻近矩阵 ， 所以基本level 聚类算法需要大量的时间和空间，2.分层聚类算法的难点在于合并点或分裂点的选择 。

    推荐阅读


    上一篇：分析与决策工具,简要分析决策的基本过程

    下一篇：游戏分析案例,游戏案例解读与分析心得体会