机器学习算法与实践 课件 第九章 聚类分析.pptx

机器学习算法与实践第9章聚类分析ClusteringAnalysis聚类基础与距离度量K-Means算法层次聚类密度聚类核心概念无监督学习算法数量4种经典聚类方法距离度量4种常用距离公式应用场景4+个领域应用案例

聚类分析无监督学习的核心技术之一，通过数据间的相似性将样本划分为若干互不重叠的群体核心概念相似性度量簇内相似簇间差异19.1聚类基础与距离度量聚类目标、欧氏距离、曼哈顿距离、余弦相似度、马氏距离29.2基于划分的聚类方法—K-Means算法目标函数、迭代优化、初始中心选择、收敛性分析39.3层次聚类自底向上聚合、距离更新策略、树状图可视化49.4密度聚类DBSCAN算法5