- 无监督学习
- 性能度量-有效性指标--簇内相似度大于簇间相似度
-
外部指标--给出具体的模型参考C*={C1*,C2*,C3*...}
- a：两个样本xi,xj在聚类后隶属于相同的簇，在参考模型中也隶属于相同的簇的样本对个数
- b:两个样本xi,xj在聚类后隶属于相同的簇，在参考模型中不隶属于相同的簇的样本对个数
- c:两个样本xi,xj在聚类后不隶属于相同的簇，在参考模型中隶属于相同的簇的样本对个数
- d:两个样本xi,xj在聚类后不隶属于相同的簇，在参考模型中也不隶属于相同的簇的样本对个数
a+b+c+d=m(m-1)/2 （m样本总个数）
- Jaccard系数：JC=a/(a+b+c)
- FM指数：FMI=sqrt(a/(a+b)*a/(a+c))
- Rand指数：RI=2(a+d)/m(m-1)
-
内部指标
- avg(C)=2/(|C|(|C|-1))sum(dist(x1,xj))：计算簇C内样本间平均距离
- diam(C)=max(dist(xi,xj))：簇C键样本间最大距离
- dmin(Ci,Cj)=min(dist(xi,xj))：簇Ci与簇Cj最近样本间的距离
- dcen(Ci,Cj)=dist(ui,uj):簇Ci与Cj中心质点的距离
- DB指数:参考周志华老师的机器学习
- Dunn指数
- 距离计算
- 曼哈顿距离
- 欧氏距离
- 闵科夫斯基距离
- 无序属性距离的计算：VDM距离
- 聚类方法
- 原型聚类：K-Means及其变形二分k-Means--实例：google地图将地址转化为经纬度并进行聚类分析，实现举起学习实战上的例子，使用python 3.6
- 学习向量量化：带有类别标记，目的学到一组原型向量，向量维度和样本一致，向量个数为k：聚类个数，学到之后在将任意样本进行簇划分，划分到与原型向量距离最近的簇中
- 高斯混合聚类：没看懂
- 密度聚类：核心点、边界点、噪音点--DBSCAN算法，不规定簇的个数，输入参数为MinPts和半径Eps，将密度极低的样本作为异常点、噪音点删除。
- 层次聚类：
- AGNES：自底向上--构成树状图
- 二分KMeans好像就是自顶向下的层次聚类
