知识卡片
聚类与k-means
聚类(聚类分析)找相似对象群组:组内对象相似度高于组间。应用包括文档/音乐/电影按主题分组、按购买行为发现顾客群构建推荐。k-means 是最流行的基于原型的聚类算法,易实现、计算效率高;每个簇对应一个原型——连续特征的中心点(均值 centroid)或类别特征的众数(medoid)。它能高效识别球形簇,但缺点须事先指定簇数 k,k 不当则效果差。另两类聚类是层次聚类与基于密度的聚类。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 聚类分析——处理无类标数据 · 查看原书依据
聚类(或称为聚类分析)是一种可以找到相似对象群组的技术,与组间对象相比,组内对象之间具有更高的相似度
参考来源
- 位置:《Python机器学习》第11章《11.1 使用k-means算法对相似对象进行分组》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0138.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:聚类(或称为聚类分析)是一种可以找到相似对象群组的技术,与组间对象相比,组内对象之间具有更高的相似度