聚类总结
1.聚类 机器学习 任务
聚类 无label的
分类 label是离散的
回归 label是连续的
2.聚类算法-kmeans 划分聚类
思想：
D中选取k个作为初始质心
repeat
计算所有点与质心的距离，分到近的质心簇
更新簇之间的质心
until 质心不改
不足：
受到初始质心的位置的影响
受到k值得影响
评价：轮廓系数
簇内的密集 不同簇之间差异大
3.聚类算法-层次聚类
方法：自底向上凝聚法 自顶向下分裂法
效果：实现一个门纲目科属种的层次结构
4.自底向上凝聚法
思路：
每个簇都是独立的，
计算数据间的相识度矩阵
repeat
把最相似的合为一个簇
更新相似度矩阵
until 簇为1
5.自顶向下分裂法
思路：
相似度计算法方法：
单链接最近的点 全连接最远的点 组平均所有点的平均
DBSCAN算法：
邻域：距离x点在e内的
核心点：邻域之内的样本点>=MINpts
边界点：邻域之内的样本点<MINpts
直接密度可达：Xj位于Xi的邻域内，Xi是核心点，那么Xi与Xj是直接密度可达
密度可达：Xj位于Xi的邻域内，Xi是核心点，那么Xi与Xj是直接密度可达
密度相连：有共同的密度可达点
簇：所有密度相连的样本点集合
思想：
