机器学习__聚类分析概述.pptxVIP

聚类分析聚类分析概述球队管理员希望根据队员们的兴趣相似性将他们进行分组聚类分析概述聚类分析概述在生物信息中，通常会为了展示样品之间关系和差异情况，将差异表达基因做无监督层次聚类分析。同一类型的样品能通过聚类出现在同一簇中，而出现在同一簇中的基因可能具有相似的生物学功能。聚类分析概述离群点检测(基于聚类)聚类分析概述前 言QIAN YAN聚类分析是一个无监督的学习过程 。训练数据没有预先指定的类别；类的数量也可能是事先未知的。聚类分析概述在“无监督学习”任务中研究最多、应用最广目标：将数据样本划分为若干个通常不相交的“簇” (cluster) 可以作为一个单独过程，用于寻找数据内在的分布结构；可以作为分类、稀疏表示等其他学习任务的前驱过程。聚类分析概述聚类分析是把一组个体按照“相似性”归成若干类别（簇），即“物以类聚”。簇（Cluster）一个数据对象的集合在同一个类中，对象之间具有相似性；不同类的对象之间是相异的。聚类分析概述什么是一个好的聚类方法?一个好的聚类方法要能产生高质量的聚类结果——簇，这些簇要具备以下两个特点：高的簇内相似性低的簇间相似性 聚类分析概述故事一则聚类的故事：老师拿来苹果和梨，让小朋友分成两份。小明把大苹果大梨放一起，小个头的放一起，老师点头，恩，体量感。小芳把红苹果挑出来，剩下的放一起，老师点头，颜色感。小武的结果？不明白。小武掏出眼镜：最新款，能看到水果里有几个籽，左边这堆单数，右边双数。老师很高兴：新的聚类算法诞生了聚类也许是机器学习中“新算法”出现最多、最快的领域 总能找到一个新的“标准”，使以往算法对它无能为力聚类分析概述必须记住聚类的“好坏”不存在绝对标准the goodness of clustering depends on the opinion of the user聚类分析概述划分方法（partitioning methods）k-means 及其变种，PAM，CLARA，CLARANS等层次方法（hierarchical methods）AGNES，DIANA，BIRCH，CURE，ROCK，CHAMELEOM等基于密度的方法（density-based methods）DBSCAN，OPTICS，DECLUE等基于网格的方法（grid-based methods）STING，CLIQUE，WaveCluster等基于模型的方法（model-based methods）GMM，COBWEB，CLASSIT，AutoClass，SOM等THANKS类似的需求，在其它领域也存在，如在市场营销中，市场分析员希望将顾客按其行为或特征模式的相似性划分为若干细分市场，以采取有针对性的营销策略。在电子商务中，可以通过网站数据聚类出具有相似浏览行为的客户，并分析客户的共同特征，识别用户的购买模式，刻画不同的客户群的特征，可以更好的帮助电子商务的用户了解自己的客户，向客户提供更合适的服务。在生物信息中，通常会为了展示样品之间关系和差异情况，将差异表达基因做无监督层次聚类分析。同一类型的样品能通过聚类出现在同一簇中，而出现在同一簇中的基因可能具有相似的生物学功能。聚类还可以应用于离群点检测，其中离群点是远离任何簇的值，它可能比普通情况更值得注意。离群点检测的应用例如信用卡欺诈检测和电子商务中的犯罪活动监控等。信用卡交易的异常情况，如非常昂贵且频繁地购买，类似可能的欺诈活动是值得注意的。