聚类算法（一）——简介

描述

聚类就是将数据集划分为由若干相似对象组成的多个组或簇的过程，使得同一组中对象的相似度最大化，不同组中对象间的相似度最小化。

分类

• 基于划分的方法
• 基于层次的方法
• 基于密度的方法
• 基于图的方法

评价方法

聚类性能度量亦称有效性指标，分为：外部指标，聚类完成后将聚类结果与某个参考模型进行比较；内部指标，直接考察聚类结果而不利用任何参考模型。

外部指标

• 混淆矩阵

Precision，Recall，F-measure

• 兰德指数RI

RI

内部指标

• Dunn指数（DI）

  
  Dunn

计算两个簇的簇间最短距离除以任意簇中的最大距离，DI越大说明聚类效果越好。同样对环状分布的数据效果不好，且对离散点的聚类测评很高。

• SSE

一个簇的误差平方和即簇内各点到质心欧式距离的平方和，此方法对离散点的聚类测评很高

SSE

Python 聚类项目

设计一个Python聚类小项目，项目包括以下四个模块，模块阐述如图所示，该项目可调用多种聚类算法，并比较结果

项目架构

Ref：

机器学习之聚类概述及评价指标

• https://blog.csdn.net/liuy9803/article/details/80762862