数据挖掘导论完整版中文.pptx

聚类分析：附加的问题与算法;;比较k均值和DBSCAN;;;;数据特性;;簇特性;;;聚类算法的一般特征;;;基于原型的聚类;模糊聚类;;;;;;;;;例子：三个圆形簇上的模糊c均值;优点与局限性;基于原型的聚类;使用混合模型的聚类;;算法;优点和缺点;基于原型的聚类;自组织映射;SOM算法;基于密度的聚类;基于网格的聚类;例子;基于网格的算法;;;例子;优点与局限性;基于密度的聚类;;;;CLIQUE算法;CLIQUE算法;CLIQUE的优点与局限性;基于密度的聚类;DENCLUE：基于密度聚类的一种基于核的方案;;DENCLUE算法;核密度估计;;DENCLUE的优点与局限性;基于图的聚类;稀疏化;稀疏化的好处;;基于图的聚类;最小生成树聚类（minimum spanning tree，MST）;;基于图的聚类;OPOSSUM：使用METIS的稀疏相似度最优划分; ;优点与缺点;基于图的聚类;Chameleon;;;确定合并哪些簇;;Limitations of Current Merging Schemes;Chameleon算法;例子;;;优点与局限性;共享??近邻相似性;;;基于图的聚类;Jarvis-Patrick（JP）聚类算法;;优点与局限性;;基于SNN密度的聚类;;SNN Density;例子：解释该算法处理高维数据能力;优点与局限性;可伸缩：一般问题和方法;;CURE;;;;;CURE算法;;CURE的抽样;划分;A subnetwork is defined as a gene set that induces a single connected component in the protein–protein interaction network. Given a particular subnetwork M, let a represent its vector of activity scores over the tumor samples, and let c represent the corresponding vector of class labels (metastatic or non-metastatic). ;使用哪种聚类算法？;数据 探索数据 分类：基本概念、决策树与模型评估 分类：其他技术 关联分析：基本概念和算法 关联分析：高级概念 聚类分析：基本概念和算法 聚类分析：附加问题与算法 异常检测