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:



















