聚类算法
-
常见的六大聚类算法
以下是常见的六大聚类算法： 1. K均值聚类算法：K均值聚类算法是一种基于距离度量的聚类方法，其目标是将数据分为K个簇，使得同一簇内的数据彼此相似度较高，而不同簇之间的数据相似度较低。 2. 层次聚类算法：层次聚类算法是一种基于树形结构的聚类方法，其目标是将数据分为一系列层次结构中的簇，每个簇都包含一个或多个数据点。层次聚类算法分为自上而下和自下而上两种类型。 3. 密度聚类算法：密度聚类算法是一种基于密度的聚类方法，其目标是将数据分为密度相似的簇...
-
聚类算法的公式
聚类的定义 聚类就是对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的数据相似度较小。聚类算法是无监督的算法。 常见的相似度计算方法 闵可夫斯基距离Minkowski/欧式距离 在上述的计算中，当p=1时，则是计算绝对值距离，通常叫做曼哈顿距离，当p=2时，表述的是欧式距离。 杰卡德相似系数(Jaccard) 杰卡德相关系数主要用于描述集合之间的相似度，在目标检测中，iou的计算就和此公式相类似 余弦相似度 余弦相似度通过夹角的余弦来描述相似性...