主要聚类算法的分类
2020-01-16 本文已影响0人
清梦载星河
一、基于原型的聚类
基于原型的聚类，简称原型聚类。此类算法假设聚类结构能通过一组原型刻画，算法先对原型进行初始化，然后对原型进行迭代更新求解。
1.1 k 均值算法
k均值(k-means)算法是目前最著名、使用最广泛的聚类算法。K均值算法根据某个距离函数反复把数据划分到k个簇中，直到收敛为止，最常见的终止条件是误差平方和（SSE）局部最小。KMeans算法用簇中对象的平均值来表示划分的每个簇。
- 算法要求：给定的数据集和需要划分的数目k
- scikit-learn函数：
from sklearn.cluster import KMeans
1.2 k中心点算法
k中心点(K-Medoids)算法，类似k均值算法，区别在于，k均值算法的中心点是计算出来的，而k中心点用最靠近中心点的一个真实数据对象来代表该簇。
2. 基于密度的聚类
基于密度的聚类，简称密度聚类。此类算法假设聚类结构能通过样本分布的紧密程度确定。通常情况下，密度聚类算法从样本密度的角度来考察样本之间的可连接性，并给予可连接样本不断扩展聚类簇以获得最终的聚类结果。
2.1 DBSCAN
DBSCAN是一种著名的密度聚类算法，其原理是：只要邻近区域里的密度（对象的数量）超过了某个阈值，就继续聚类。DBSCAN还会根据一个密度阈值来控制簇的增长，在带有噪声的空间数据库里发现任意形状的聚类。其缺点主要是需要用户确定输入参数，对参数非常敏感。
- scikit-learn函数：
from sklearn.cluster import DBSCAN
2.2 OPTICS
OPTICS是DBSCAN的扩展算法，性能更好。
- scikit-learn函数：
from sklearn.cluster import OPTICS
3. 基于层次的聚类
层次聚类是在不同层次对数据集进行划分，直到满足某种收敛条件为止，从而形成树形的聚类结构。按照层次分解的形式不同，又可分为自底向上层次聚类和自顶向下层次聚类。
- 自底向上：一开始将每个对象作为单独的一类，然后相继合并与其相近的对象或类，直到所有小的类别合并成一个类。代表算法：AGNES。
- 自顶向下：一开始将所有对象置于一个簇中，在迭代的每一步中，类会被分裂成更小的类，直到最终每个对象在单独的类中。
