多种聚类算法概述(BIRCH, DBSCAN, K-means, MEAN-SHIFT)

BIRCH:是一种使用树分类的算法,适用的范围是样本数大,特征数小的算法,因为特征数大的话,那么树模型结构就会要复杂很多

DBSCAN:基于概率密度的聚类方法:速度相对较慢,不适用于大型的数据,输入参数有r和k

k-means:是通过不断更新聚类中心所进行的一种参数变化,需要输入的参数是需要聚成几类

MEAN-SHIFT:基于核密度估计的漂移算法,使用的是高斯概况密度估计

下面做一个是一个对不同的特征进行特征增强后的准确度的效果

特征增强指的是:对每一样本特征做一个归一化,对归一化后的数据的某个特征*10,进行单个特征的特征增强

多种聚类算法概述(BIRCH, DBSCAN, K-means, MEAN-SHIFT)

上述是4种聚类算法的精度比较,横坐标表示的是对单个特征进行特征增强后的算法,可以看出精度上确实也是有差别的

上一篇:Python 安装 imread报错


下一篇:Android全部权限详解(manifest.xml)