Kmeans笔记

训练过程中，没有标签，属于无监督学习。

image.png

层次聚类有包含关系，非层次聚类没有包含关系

image.png image.png 聚类评价方法

举个例子：
外部评价方法：有1亿篇文章没有划分类别，有1000篇已经划分好了类别，先对1亿篇文章进行聚类，然后再用这1000篇作为测试，检验聚类划分的一致性如何。

内部评价 示意图

DB的最大值越小越好。

外部量化评价

简写：
准确度 auc
精度 P
召回率 R
F值
β=1，通常称为F1-score表示P和R同等重要。
β越大，说明越关心recall
β越小，说明越关心精度

凝聚层次聚类算法描述.png 凝聚层次聚类树状图描述

最终是聚成了一个类，聚类的过程是已经存储下来了，实际上业务需求需要几个类（或者也叫做聚类的高度），直接去取就可以了。

image.png

如果实际上 BCDE 应该聚合在一起，但是实际上没有聚合在一起，那么可能是给的特征有问题，不是算法的锅，这个时候需要去调特征。

image.png

质心是组合距离。

类间距计算

计算复杂度是一样的

image.png

=======================

• Kmeans K平均聚类

  
  kmeans平均聚类算法

image.png image.png image.png

基于密度聚类：DBScan
基于高斯分布：GMM

image.png

硬聚类就是把数据确切地分到某一类中，比如K-Means。
硬就是说“强硬”，是属于A类就是A类，不会跑到B类。
软聚类就是把数据以一定的概率分到各类中，比如高斯混合模型(GMM)，比如模糊C均值模型(Fuzzy c-Means)。聚类的结果往往是样本1在A类的概率是0.7，在B类的概率是0.3。
软聚类又称为模糊聚类(fuzzy clustering）。