锐客网

  1. 首页 > 睿知 > >

聚类分析 举个例子

经验分享睿知

这个分类的过程是聚类 分析 。聚类 分析 KNN我们先用a 例子来体验一下，聚类 分析方法1有什么问题:什么是聚类 分析？什么是聚类 分析？聚类有哪些算法聚类 分析又称group 分析，是一种统计学分析研究分类问题(样本或指标)的方法，聚类分析聚类分析/聚类分析的特点是基于事物本身的特点 。

1、数据挖掘 聚类算法概述 Text |遗迹的由来| Zhihu本文重点介绍聚类算法的原理、应用流程、应用技巧、评测方法和应用案例 。具体算法细节请参考相关资料 。聚类的主要用途是客户分组 。1.聚类VS分类是“监督学习” ， 我们事先就知道哪些类别是可以划分的 。聚类是“无监督学习” ， 我事先不知道它会被分成哪几类 。举个 例子，如苹果、香蕉、猕猴桃、手机、电话等 。根据不同的特性，我们聚类将水果分为【苹果、香蕉、猕猴桃】一类 ， 数码产品分为【手机、电话】一类 。

所以通俗的解释就是:分类就是从训练集学习判断数据的能力，然后做未知数据的分类判断；而聚类只是把相似的东西归为一类，并不需要训练数据来学习 。学术解释:分类是指分析数据库中的一组对象，找出它们的共同属性 。然后根据分类模型，把它们分成不同的类别 。分类数据首先根据训练数据建立分类模型，然后根据这些分类描述对数据库中的测试数据进行分类或者生成更合适的描述 。

2、 聚类 分析(clusteranalysis我们来看看这里聚类 分析 。比较流行的方法有聚类和K-means 聚类，属于split 聚类方法 。KMeans算法的思想很简单 。对于给定的样本集 ， 根据样本之间的距离将其划分为k个聚类 。让簇内的点尽可能的紧密连接，让簇间的距离尽可能的大 。目标是最小化Esum(x\miu_i)，其中\miu_i是每个聚类的平均值 。直接求上述公式的最小值并不容易，这是一个NP难问题，所以采用了启发式迭代法KMeans 。
【聚类分析 举个例子】
上面的图A代表初始数据集 ， 假设k3 。在图B中，我们随机选取三个K类别对应的类别质心，即图中的红绿和草绿质心 ， 然后分别求出样本中所有点到这三个质心的距离，将每个样本的类别标记为与样本距离最小的类别，如图c所示，计算样本与红绿和草绿质心的距离后，第一次迭代后得到所有样本点的类别 。此时，我们找到我们当前点的新质心，分别标记为红色、绿色和草绿色，重复这个过程，将所有点的类别标记为最近质心的类别 ， 找到新质心 。

    推荐阅读


    上一篇：数据包分析套接字实现

    下一篇：观测数据的分析,竖直角观测数据