前几篇我们较为详细地介绍了K-means聚类法的实现方法和具体实战，这种方法虽然快速高效，是大规模数据聚类分析中首选的方法，但是它也有一些短板，比如在数据集中有脏数据时，由于其对每一个类的准则函数为平方误差，当样本数据中出现了不合理的极端值，会导致最终聚类结果产生一定的误差，而本篇将要介绍 ...

聚类是把一个数据集划分成多个子集的过程，每一个子集称作一个簇（Cluster），聚类使得簇内的对象具有很高的相似性，但与其他簇中的对象很不相似，由聚类分析产生的簇的集合称作一个聚类。在相同的数据集上，不同的聚类算法可能产生不同的聚类。 聚类分析用于洞察数据的分布，观察每个簇的特征，进一步分析特定 ...

　　DBSCAN有一些缺点，如：参数的设定，比如说阈值和半径 这些参数对结果很敏感，还有就是该算法是全局密度的，假若数据集的密度变化很大时，可能识别不出某些簇。如下图： 　　核心距离：假定P ...

不管之前介绍的K-means还是K-medoids聚类，都得事先确定聚类簇的个数，而且肘部法则也并不是万能的，总会遇到难以抉择的情况，而本篇将要介绍的Mean-Shift聚类法就可以自动确定k的个数， ...

一 概述 聚类分析目的 将大量数据集中具有“相似”特征的数据点或样本划分为一个类别 常见应用场景 在没有做先验经验的背景下做的探索性分析 样本量较大情况下的数据预处理工作 将数值类的特征分成几个类别 聚类分析能解 ...

信息是一个很抽象的东西，吃苹果的概率是二分之一，吃香蕉的概率是二分之一，这里面包含了多少信息量，由于信息很抽象，无法直观的量化。 　　信息熵原先是热力学中的名词，原先含义是表示分子状态的混乱程度。 ...

我们之前经常提起的K-means算法虽然比较经典，但其有不少的局限，为了改变K-means对异常值的敏感情况，我们介绍了K-medoids算法，而为了解决K-means只能处理数值型数据的情况，本篇便 ...

聚类分析是根据对象的特性对其进行定量分类的一种多元统计方法。 比如：不同地区城镇居民收入和消费状况的分类研究；区域经济及社会发展水平的分析及全国区域经济综合评价....... 通常聚类分析分为Q型聚类分析和R型聚类分析。 Q型聚类分析：对样品的分类； R型聚类分析：对变量的分类。 通常聚类 ...

聚类分析是数据挖掘方法中应用非常广泛的一项，而聚类分析根据其大体方法的不同又分为系统聚类和快速聚类，其中系统聚类的优点是可以很直观的得到聚类数不同时具体类中包括了哪些样本，而Python和R中都有直接用来聚类分析的函数，但是要想掌握一种方法就得深刻地理解它的思想，因此自己从最底层开始编写代码来实现 ...

title: 最大最小距离算法 date: 2017-12-16 17:36:54 tags: 聚类算法 categories: Algorithms 课程设计 使用最大最小距离算法做聚类分析 测试输入文件 in.txt ...