第四章 聚类分析
1
四
种
不
同
形
状
的
聚
类
4.1.1 聚类的定义 —— （79页）
2
意义：任意一个样本都属于其中一个簇，且不会同时属于
两个簇。然而这个只是理想的聚类定义，有时候在实际运
用并不符合该定义
聚类分析：无标签、无先验知识。只能采用某
种相似性度量的方法，利用样本的特征进行归
类
作用：对数据提出初始假设、分类新数据、测
试数据的同类型、压缩数据
发展：由于大多数实际问题涉及高维的聚类，
难以对高维空间的数据进行直观解释，且数据
也不会服从规则现象分布。因此聚类算法仍在
不断发展
4.1 聚类分析 —— （79页）
3
4.1.2 聚类准则 —— （80页）
4
第一种方法：试探法，如距离函数
第二种方法：准则函数，如误差平方和准则
(4-3) 与 (4-4) 相同，都表示 每一个簇的样本均值
4.1.2 聚类准则 —— （80页）
5
(4-5) 与 (4-6) 相同，都表示 误差平方和
各类样本密集，各类样本个数相差不大，且类间距离较大
时，适合采用误差平方和准则
各类样本数相差很大，类间距离较小时，有可能将样本数
多的类分开，使得到的 J 值较小，误以为得到了最优划分
