機(jī)器學(xué)習(xí)之聚類分析(ppt48頁)-資料下載頁
2025-01-18 17:35本頁面
【正文】 xi也是核心對(duì)象。 4）密度可達(dá)：對(duì)于 xi和 xj,如果存在樣本序列 p1,p2,...,pT滿足p1=xi,pT=xj且 pt+1由 pt密度直達(dá)，則稱 xj由 xi密度可達(dá)。密度可達(dá)滿足 傳遞性 。此時(shí)序列中的傳遞樣本 p1,p2,...,pT?1均為 核心對(duì)象 ，因?yàn)橹挥泻诵膶?duì)象才能使其他樣本密度直達(dá)。 5）密度相連：對(duì)于 xi和 xj,如果存在核心對(duì)象樣本 xk，使 xi和 xj均由 xk密度可達(dá)，則稱 xi和 xj密度相連。 密度 聚類 ——DBSCAN 密度 聚類 ——DBSCAN MinPts=5 ? 由密度可達(dá)關(guān)系導(dǎo)出的最大密度相連的樣本集合，即為我們最終聚類的一個(gè)類別，或者說一個(gè)簇。 ? 首先給定聚類對(duì)象的半徑 ?鄰域和 ?鄰域中最小包含的對(duì)象數(shù) MinPts ? 然后檢查某個(gè)對(duì)象 ?鄰域中的對(duì)象數(shù)，如果對(duì)象數(shù)大于 MinPts，該對(duì)象就是核心對(duì)象，就構(gòu)建以該對(duì)象為核心的新簇 ? 然后，反復(fù)尋找從這些核心對(duì)象出發(fā)在 ?鄰域內(nèi)的對(duì)象，這個(gè)尋找過程可能會(huì)合并一些簇。直到?jīng)]有新的對(duì)象可以添加到任何簇中為止 密度 聚類 ——DBSCAN 密度 聚類 ——DBSCAN 第一步，在數(shù)據(jù)集中選擇一點(diǎn) 1，以它為圓心的，以 1為半徑的圓內(nèi)包含 2個(gè)點(diǎn)（小于 4），因此它不是核心點(diǎn)，選擇下一個(gè)點(diǎn)。 第二步，在數(shù)據(jù)集中選擇一點(diǎn) 2，以它為圓心的，以 1為半徑的圓內(nèi)包含 2個(gè)點(diǎn)（小于 4），因此它不是核心點(diǎn)，選擇下一個(gè)點(diǎn)。 第三步，在數(shù)據(jù)集中選擇一點(diǎn) 3，以它為圓心的，以 1為半徑的園內(nèi)包含 3個(gè)點(diǎn)（小于 4），因此它不是核心點(diǎn)，選擇下一個(gè)點(diǎn)。 密度 聚類 ——DBSCAN 密度 聚類 ——DBSCAN 第四步，在數(shù)據(jù)集中選擇一點(diǎn) 4，由于在以它為圓心的，以 1為半徑的 圓 內(nèi)包含 5個(gè)點(diǎn)，因此它是核心點(diǎn)，尋找從它出發(fā)可達(dá)的點(diǎn)（直接可達(dá) 4個(gè)，間接可達(dá) 3個(gè)），聚出的新類 {1， 3， 4， 5， 9， 10， 12}，選擇下一個(gè)點(diǎn)。 密度 聚類 ——DBSCAN 第五步，在數(shù)據(jù)集中選擇一點(diǎn) 5，已在簇 1中，選擇下一個(gè)點(diǎn)。 第六步，在數(shù)據(jù)集中選擇一點(diǎn) 6，在以它為圓心的，以 1為半徑的圓內(nèi)包含 3個(gè)點(diǎn)，因此它不是核心點(diǎn)，選擇下一個(gè)點(diǎn)。 密度 聚類 ——DBSCAN 第七步，在數(shù)據(jù)集中選擇一點(diǎn) 7，以它為圓心，以 1為半徑的圓內(nèi)包含 5個(gè)點(diǎn)，因此它是核心點(diǎn)，尋找從它出發(fā)可達(dá)的點(diǎn)，聚出的新類 {2，6， 7， 8， 11}，選擇下一個(gè)點(diǎn)。 第八步，在數(shù)據(jù)集中選擇一點(diǎn) 8，已經(jīng)在簇 2中了，選擇下一點(diǎn)。 第九步，在數(shù)據(jù)集中選擇一點(diǎn) 9，已經(jīng)在簇 1中了，選擇下一點(diǎn)。 第十步，在數(shù)據(jù)集中選擇一點(diǎn) 10，已經(jīng)在簇 1中了，選擇下一點(diǎn)。 第十一步，在數(shù)據(jù)集中選擇一點(diǎn) 11，已經(jīng)在簇 2中了，選擇下一點(diǎn)。 第十二步，在數(shù)據(jù)集中選擇一點(diǎn) 12，已經(jīng)在簇 1中了，結(jié)束。 密度 聚類 ——DBSCAN 密度 聚類 ——DBSCAN 常用的外部指標(biāo) ?Jaccard系數(shù) ：主要判斷隸屬于相同類的個(gè)數(shù)。該個(gè)數(shù)越多，說明聚類效果越好。 常用的內(nèi)部聚類 ?perplexity值 ： perplexity值（困惑度）主要計(jì)算特征的概率。 通常用于LDA, HDP等模型上， 值越小越好。 ?距離計(jì)算 ：類內(nèi)的樣本距離越小越好，類間的距離越大越好。 評(píng)價(jià)指標(biāo) ? K均值聚類 ? DBSCAN ? 層次聚類（歐式距離，最短距離法） ? 實(shí)現(xiàn)并說明其優(yōu)勢(shì)和劣勢(shì)。 作業(yè)練習(xí) 演講完畢，謝謝觀看！
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1