資料採礦-群集

標籤：

群集是一種非監督的學習，分類是一種監督學習，就是用已經知道的類別的訓練資料得到一個分類的模型，所以聚類與分類的主要區別在於是否需要預先定義好類別，也就是說群集只是依靠資料本身來確定資料之間的關係的，所以群集有很大的優越性特別是適合處理大量的原始的資料

群集方法的效能指標：1.可擴充性，2，自適應性，3，魯棒性4，可解釋性

聚類使用的資料類是：資料矩陣 相異度矩陣  

正常化是在中心化的基礎上再做變換，確保變數的變化範圍相等，常用的正常化方法有最大值歸一化，總和正常化，均值標準差正常化 以及極差正常化

群集方法包括 基於劃分的方法 基於分層的方法  基於密度的方法  基於網格的方法 基於模型的方法

連續變數的距離需要滿足自反性 對稱性 正定性 以及三角不等式等條件，矩陣D是一個對稱矩陣，且對角線上的元素是0.

相似係數 應該滿足自反性 對稱性 歸一化 滿足三角不等式  

基於分割的聚類方法：k-均值演算法  k-中心值演算法

基於層次的聚了方法採用的是距離作為衡量聚類的標準    距離的度量的方法有：最小距離 最大距離 均值 等

分為自底向上和自頂向下的方法：其中自底向上是將每個對象作為一個簇，通過不斷的合并這些基本的簇形成較大的簇，知道滿足條件為止 

自頂向下是首先將所有的對象看陳是一個簇中的對象，然後根據一定的準則不斷的進行分割這個簇形成更小的簇，從而完成聚類

 

基於密度的聚類  主要餓演算法有DBSCAN  OPTICS DENCLUE CLIQUE

基於網格的聚類  主要得演算法有STING WaveCluster CLIQUE  

基於模型的聚類  主要有神經網路方法和統計學方法  

資料採礦-群集