logo资料库

K-medoids:K-中心点算法-基于划分的聚类算法.ppt

发布时间：2022-06-03 发布人：admin 分类：说明书 资料大小：0.86M 资料格式：ppt 举报 版权申诉
第1页 / 共18页
第2页 / 共18页
第3页 / 共18页
第4页 / 共18页
第5页 / 共18页
第6页 / 共18页
第7页 / 共18页
第8页 / 共18页
资料共18页，剩余部分请下载后查看
    聚类分析 • 簇（Cluster）:一个数据对象的集合 • 聚类分析（定义） – 把一个给定的数据对象集合分成不同的簇； – 在同一个簇（或类）中，对象之间具有相似性； – 不同簇（或类）的对象之间是相异的。 • 聚类是一种无监督分类法: 没有预先指定的类别
    聚类方法 • 划分方法：给定一个n个对象的集合，划分方法 构建数据的k个分区，其中每个分区表示一个簇 ，并且k<=n。基于划分方法采取互斥的簇划分， 即每个对象必须恰好属于一个组。大部分划分方 法是基于距离的。它采用一种迭代的重定位技术 ，通过把对象从一个组移动到另一个组来改变划 分。常用的划分聚类方法有k-means、k-medoids 、k-modes和k-prototypes算法。 • 层次方法、基于密度的方法、基于网格的方法
    K-means:K-均值算法 K-means算法是很典型的基于距离的聚类算法， 采用距离作为相似性的评价指标，即认为两个对 象的距离越近，其相似度就越大。 该算法认为类是由距离靠近的对象组成的， 因此把得到紧凑且独立的类作为最终目标。 各个簇中误差平方和 n：样本数。 k：样本分为k类。 rnk：第n个样本点是否属于第k类，属于则rnk=1， 不属于则rnk=0。 μK：第k个中心点。
    K-means:K-均值算法 • 给定k，算法的处理流程如下: 1.随机的把所有对象分配到k个非空的簇中； 2.计算每个簇的平均值，并用该平均值代表相 应的簇； 3.将每个对象根据其与各个簇中心的距离，重 新分配到与它最近的簇中； 4.回到第二步，直到不再有新的分配发生。
    K-均值算法 10 9 8 7 6 5 4 3 2 1 0 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 10 9 8 7 6 5 4 3 2 1 0 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
    K-均值算法性能 • 优点 – 相对高效的: 算法复杂度O(tkn), 其中n 是数据对象的个数, k 是簇的个数, t是迭代的次数，通常k, t << n. – 算法通常终止于局部最优解； • 缺点 – 只有当平均值有意义的情况下才能使用（即只能处理数值 的属性），对于类别字段不适用； – 必须事先给定要生成的簇的个数； – 对“噪声”和异常数据敏感； – 不能发现非凸面形状的数据。
    不同初始点，结果不同。
    K-means算法，我们在输入的数据集中随机的选择 k个点作为初始的聚类中心，但是随机选择初始点 可能会造成聚类的结果和数据的实际分布相差很 大。k-means++算法选择初始聚类中心的基本思想 是：初始的聚类中心之间的相互距离要尽可能的 远。K-means算法与k-means++算法选取初始点对 比： K-means k-means++
    分享到：
    赞 收藏

    相关推荐

    资料库

    大数据

    共收录841份资料，累计11个分类，关注成员有19位，主要包括：Matlab,统计分析,数据挖掘,Hbase,Hive,flink,kafka,spark,Storm,算法与数据结构,Hadoop

    热门标签

    Matlab 统计分析 数据挖掘 Hbase Hive flink kafka spark Storm 算法与数据结构 Hadoop

    最新资料