什么是数据聚类数据聚类的原理.pdf
版权申诉
187 浏览量
2023-03-12
19:39:04
上传
评论
收藏 151KB PDF 举报
什么是数据聚类数据聚类的原理
数据聚类是对于静态数据分析的一门技术，在许多领域受到广泛
应用，包括机器学习，数据挖掘，模式识别，图像分析以及生物信息。
那么你对数据聚类了解多少呢?以下是由店铺整理关于什么是数据聚类
的内容，希望大家喜欢!
数据聚类的基本原理
聚类是把相似的对象通过静态分类的方法分成不同的组别或者更
多的子集 (subset)，这样让在同一个子集中的成员对象都有相似的一
些属性，常见的包括在坐标系中更加短的空间距离等。一般把数据聚
类归纳为一种非监督式学习。
数据聚类的类型
数据聚类算法可以分为结构性或者分散性。结构性算法利用以前
成功使用过的聚类器进行分类，而分散型算法则是一次确定所有分类。
结构性算法可以从上之下或者从下至上双向进行计算。从下至上算法
从每个对象作为单独分类开始，不断融合其中相近的对象。而从上之
下算法则是把所有对象作为一个整体分类，然后逐渐分小。
结构性
距离测量
在结构性聚类中，关键性的一步就是要选择测量的距离。一个简
单的测量就是使用曼哈顿距离，它相当于每个变量的绝对差值之和。
该名字的由来起源于在纽约市区测量街道之间的距离就是由人步行的
步数来确定的。一个更为常见的测量是欧式空间距离，他的算法是找
到一个空间，来计算每个空间中点到原点的距离，然后对所有距离进
行换算。
创建聚类
在已经得到距离值之后，元素间可以被联系起来。通过分离和融
合可以构建一个结构。传统上，表示的方法是树形数据结构，然后对
该结构进行修剪。
分散性
资源评论
