人工智能之聚类认知陈宇26课件.pptxVIP

人工智能之聚类认知CLUSTERINGCOGNITIONOFARTIFICIALINTELLIGENCE主讲老师：陈宇

目录01什么是聚类认知03聚类算法流程02聚类算法分类04聚类应用领域

01什么是聚类认知Whatisclusteringcognition?

什么是聚类认知目标将数据集合分为不同组别；同一组别内元素相似性高；不同组别内元素相似性低。实现利用计算机算法自动进行分组；不同聚类算法区别较大，适用场景不同。

02聚类算法分类Clusteringalgorithmclassification

聚类算法分类K均值：基于距离的传统聚类算法，对异常值敏感。层次聚类：将样本逐层合并成不同组别，目标函数优化、处理复杂数据。密度聚类：各点密度相对且连通的点构成一类，控制噪声点的影响。常用算法K均值聚类层次聚类密度聚类算法特点

03聚类算法流程Clusteringalgorithmflow

聚类算法流程随机选择个初始质心；分别计算所有数据点到个质心的距离；将每个数据点分配至距离最近的质心的组别；对于每个组别，计算其内部点的均值，更新该组别的质心；重复第2-4步直至质心不再发生变化。示例：K均值算法

04聚类应用领域Clusteringapplicationfield

Clusteringapplicationfield降维算法：减少数据集维度，提高聚类效率；可解释性模型：通过解释聚类结果提供数据分析价值；云计算技术：支持聚类算法大规模实时计算。应用案例电商个性化推荐社交网络用户画像医疗图像识别相关技术

谢谢观看THANKYOUFORWATCHING主讲老师：陈宇