《机器学习与应用》课件 第11、12章 聚类分析、 降维.pptx

第11章聚类分析机器学习核心算法系列

本章内容概览聚类概述从无监督学习的视角出发，重新审视数据间的内在联系。明确聚类分析的核心定义，理解其在探索未知数据结构、发现隐藏模式中所扮演的关键角色。基于原型的聚类深入剖析经典的划分式算法。重点详解K-Means的核心迭代思想与实现逻辑，同时对比K-Medoids算法在处理离群值时的鲁棒性优势与适用场景。基于密度的聚类突破形状限制的聚类方案。系统讲解DBSCAN的密度可达性原理，延伸介绍OPTICS的可视化排序优势，以及DPC算法在聚类中心快速搜索上的创新。基于层次的聚类构建数据的层级结构关系。解析“自底向上”的凝聚式（合并）