没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
机器学习
机器学习
第
第
4
4
章
章
聚类分析
聚类分析
章节介绍
• 聚类分析是一种典型的无监督学习, 用于对未知类别的样本进行划分,将
它们按照一定的规则划分成若干个类族,把相似(距高相近)的样本聚在同一
个类簇中, 把不相似的样本分为不同类簇,从而揭示样本之间内在的性质
以及相互之间的联系规律
• 聚类算法在银行、零售、保险、医学、军事等诸多领域有着广泛的应用
• 本章主要内容包括聚类分析基础、聚类效果评价指标、聚类实现方法,重
点介绍基于划分的方法、基于密度的方法、基于层次的方法、基于网格的
方法和基于模型的方法,并结合实例讲解聚类算法的应用
章节结构
• 聚类分析概念
– 聚类方法分类
– 良好聚类算法的特征
• 聚类分析的度量
– 外部指标
– 内部指标
• 基于划分的聚类
– k-均值算法
– k-medoids算法
– k-prototype算法
• 基于密度聚类
– DBSCAN算法
– OPTICS算法
– DENCLUE算法
章节结构
• 基于层次的聚类
– BIRCH聚类
– CURE算法
• 基于网格的聚类
• 基于模型的聚类
– 概率模型聚类
– 模糊聚类
– Kohonen神经网络聚类
聚类分析概念
• 将未标记的样本自动划分成多个类簇
• 在销售领域,利用聚类分析对客户历史数据进行分析,对客户划分类别,
刻画不同客户群体的特征,从而深入挖掘客户潜在需求,改善服务质量,
增强客户黏性
• 在医学领域,对图像进行分析,挖掘疾病的不同临床特征,辅助医生进行
临床诊断。聚类算法被用于图像分割,把原始图像分成若干个特定的、具
有独特性质的区域并提取目标
• 在生物领域,将聚类算法用于推导动植物分类,以往对动植物的认知往往
是基于外表和习性,应用聚类分析按照功能对基因聚类,获取不同种类物
种之间的基因关联
剩余81页未读,继续阅读
资源评论
sun7bear
- 粉丝: 2
- 资源: 121
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功