聚类分析—KmeansandKmedoids聚类课件.pptxVIP

聚类分析—kmeansandkmedoids聚类

2023-11-26

目录

聚类分析概述

k-means聚类算法

k-medoids聚类算法

聚类分析评估与优化

k-means与k-medoids的对比与选择

聚类分析在数据挖掘中的应用

01

聚类分析概述

01

02

目的在于使同一类内的对象相互之间更相似，不同类之间的对象尽可能不同。

聚类分析是一种无监督学习方法，通过对数据对象的分组，将相似的对象归为同一类，不同类的对象尽量区别开。

包括k-means、层次聚类、DBSCAN等，这类方法主要基于数据点之间的距离进行聚类。

基于距离的聚类

如OPTICS、DENCLUE等，这类方法主要基于数据点之间的密度进行聚类。

基于密度的聚类

如AGNES、DIANA等，这类方法主要基于数据点之间的层次关系进行聚类。

基于层次的聚类

如HDBSCAN，这类方法主要基于数据点之间的密度和距离进行聚类。

基于密度的聚类

社交网络分析

通过聚类分析，可以发现社交网络中的社区结构、用户群体等有用信息。

生物信息学

聚类分析可用于基因分类、疾病诊断等任务。

文本挖掘

通过聚类分析，可以将文本数据按照主题进行分类，用于信息检索、文本挖掘等任务。

数据挖掘

通过聚类分析，可以发现数据中的异常值、离群点、趋势等有用信息。

图像处理

聚类分析可用于图像分割、图像压缩等任务。

02

k-means聚类算法

k