第10章-聚类与集成算法-图文.pptxVIP

10.聚类与集成算法 聚类(Clustering)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) 既可以作为一个单独过程（用于找寻数据内在的分布结构） 也可作为分类等其他学习任务的前驱过程 性能度量聚类性能度量，亦称聚类“有效性指标” (validity index)?外部指标 (external index)将聚类结果与某个“参考模型”(reference model) 进行比较如 Jaccard 系数， FM 指数，Rand 指数?内部指标 (internal index)直接考察聚类结果而不用任何参考模型如 DB 指数， Dunn 指数等基本想法：? “簇内相似度” （intra-cluster similarity）高，且? “簇间相似度” （inter-cluster similarity）低 距离计算距离度量 (distance metric) 需满足的基本性质：常用距离形式：闵可夫斯基距离 (Minkowski distance)p = 2: 欧氏距离(Euclidean distance)p = 1: 曼哈顿距离(Manhattan distance) 距离计算 (续）? 对 无序 (non-ordinal)属性 ，可使用 VDM(Value Difference Metric)令表示属性 u 上取