尽管基于划分的聚类算法能够实现把数据集划分成指定数量的簇，但是在某些情况下，需要把数据集划分成不同层上的簇：比如，作为一家公司的人力资源部经理，你可以把所有的雇员组织成较大的簇，如主管、经理和职员；然后你可以进一步划分为较小的簇，例如，职员簇可以进一步划分为子簇：高级职员，一般职员和实习人员。所有的这些簇形成了层次结构，可以很容易地对各层次上的数据进行汇总或者特征化。另外，使用基于划分的聚类算法(
转载
2024-06-28 07:38:10
98阅读
基于层次的聚类算法（Hierarchical Clustering）当不知道应该分为几类时，使用层次聚类比较适合。层次聚类会构建一个多层嵌套的分类，类似一个树状结构。可以选择一个聚类数量，根据需求对树状图中画一条水平线,得到对应的聚类。但层次聚类法容易受到噪声和数据维度过高的影响。自底向上的聚类从点作为个体簇开始，迭代时每一步合并两个最接近的簇，直到所有样本合并为一簇。算法步骤：每个样本点自成一类
转载
2023-12-25 06:26:56
67阅读
上篇k-means算法却是一种方便好用的聚类算法，但是始终有K值选择和初始聚类中心点选择的问题，而这些问题也会影响聚类的效果。为了避免这些问题，我们可以选择另外一种比较实用的聚类算法-层次聚类算法。顾名思义，层次聚类就是一层一层的进行聚类，可以由上向下把大的类别（cluster）分割，叫作分裂法；也可以由下向上对小的类别进行聚合，叫作凝聚法；但是一般用的比较多
转载
2023-12-01 19:11:52
51阅读
# 有序样品聚类法（Sequential Sampling Clustering）在Python中的实现
在数据分析和机器学习领域，有序样品聚类法是一种常用的聚类算法。在这篇文章中，我将带你一步步实现这一方法。我们将通过图表和代码示例，深入了解该算法的实现流程。
## 实现流程
下面是有序样品聚类法的实现流程：
| 步骤 | 描述
原创
2024-10-24 04:14:32
130阅读
# Python 最大距离法聚类教程
聚类是一种常用的机器学习技术，用于将数据分组。在本文中，我们将介绍如何使用 Python 实现最大距离法（也称为最远邻居聚类）进行聚类分析。我们将通过一个清晰的流程图来逐步说明整个过程，并为每个步骤提供代码和注释，帮助你理解每一行代码的意义。
## 流程步骤
下面的表格展示了实现最大距离法聚类的基本步骤：
| 步骤 | 描述
# 模糊聚类法Python实现指南
作为一名刚入行的开发者，你可能对模糊聚类法（Fuzzy Clustering）的Python实现感到困惑。别担心，本文将为你提供一份详细的指南，帮助你理解并实现这一算法。
## 模糊聚类法概述
模糊聚类法是一种基于模糊数学的聚类分析方法，它允许数据点以一定的隶属度属于多个聚类。这种方法在处理不确定性和模糊性数据时具有优势。
## 实现流程
实现模糊聚类
原创
2024-07-21 09:12:33
70阅读
聚类分析是数据挖掘方法中应用非常广泛的一项，而聚类分析根据其大体方法的不同又分为系统聚类和快速聚类，其中系统聚类的优点是可以很直观的得到聚类数不同时具体类中包括了哪些样本，而Python和R中都有直接用来聚类分析的函数，但是要想掌握一种方法就得深刻地理解它的思想，因此自己从最底层开始编写代码来实现这个过程是最好的学习方法，所以本篇前半段是笔者自己写的代码，如有不细致的地方，望指出。一、仅使用num
转载
2024-04-20 20:05:55
48阅读
一、灰色系统理论灰色是外延明确，內延不明确1.1 基本概念信息完全已知——白 信息完全未知——黑 部分信息明确，部分信息不明确——灰1982年，中国学者邓聚龙教授创立灰色系统理论，是一种研究少数据，贫信息不确定性问题的新方法。该理论以“部分信息已知，部分信息未知”的“少数据”，“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的挖掘，提取有价值的信息，实现对系统运行行为、演化规律的正确描
转载
2024-01-06 08:39:11
520阅读
层次聚类算法实际上分为两类：自上而下或自下而上。自下而上的算法在一开始就将每个数据点
原创
2022-07-18 16:03:45
270阅读
目前已知matlab的聚类方法有三种：一、利用 clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法；二、层次聚类，该方法较为灵活，需要进行细节了解聚类原理，具体需要进行如下过程处理：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用 linkage函数定义变量之间的连接；（3）用 cophenetic
转载
2023-10-11 10:51:32
113阅读
# 两步聚类法 (Two-Step Clustering) 的介绍与Python实现
在数据科学领域，聚类分析是一种常用的无监督学习方法，用于将相似的数据点分组。两步聚类法（Two-Step Clustering）是一种非常有效的聚类技术，尤其适用于大型数据集。本文将介绍两步聚类法的原理及其在Python中的实现。
## 一、两步聚类法的原理
两步聚类法由两个主要步骤组成：
1. **预聚
聚类分析(cluster analysis)是一组将研究对象分为相对同质的群组(clusters)的统计分析技术。 聚类分析也叫分类分析(classification analysis)或数值分类(numerical taxonomy)。聚类与分类的不同在于，聚类所要求划分的类是未知的。 但是这同
转载
2023-10-05 21:44:47
167阅读
k 均值聚类法 快速高效,特别是大量数据时,准确性高一些,但是需要你自己指定聚类的类别数量 系统聚类法则是系统自己根据数据之间的距离来自动列出类别,所以通过系统聚类法 得出一个树状图,至于聚类的类别 需要自己根据树状图以及经验来确定 (同上)在聚类分析中，我们常用的聚类方法有快速聚类(迭代聚类)和层次聚类。其中层次聚类容易受到极值的影响，并且计算复杂速度慢不适合大样本聚类;
转载
2024-09-26 14:41:21
36阅读
模糊数学是用数学方法研究和处理具有“模糊性”现象的数学。若要判断20岁的张三或80岁的李四是否是“年轻人”,答案自然是明确的！但要判断28岁——35岁左右的人是否属于“年轻人”的集合, 就不那么好确定了。
了解学习模糊算法，必须向杰出的先辈致敬，他就是美国控制论专家
L.A.Zadeh。
1定
文章目录K-Means算法介绍K-Means算法计算过程K-Means算法损失函数肘部法则寻找最优K值轮廓系数法寻找最优K值K-Means++算法:初始化质心的优化方法 K-Means算法介绍K-Means算法是一种无监督的聚类算法，其中K表示类别数，Means表示均值。它是一种通过均值对数据点进行聚类的算法。K-Means算法通过预先设定的K值及每个类别的初始质心对相似的数据点进行划分。并通过
转载
2024-05-30 09:19:59
99阅读
聚类分析 聚类是一种无监督的分类方法。我们可以对变量聚类或者样本聚类，从而达到将相似性大的样本或变量分到一类，组内区分度较小，组间区分度大的目的。 聚类的方法，也会根据聚类的目的分为若干种，一种是基于变量的聚类，比如层次聚类，另一种是基于样本的聚类，比如k-means，还有基于密度的聚类(dbscan)这里主要分享最近学习和因为一些需求新写的代码部分----k-means和层次聚类。层次聚类 可以
转载
2023-12-07 07:11:24
146阅读
一、模型介绍熵权法是一种通过对已知数据的处理,从而获得影响因子权重的方法,其基本思路是根据指标变异性的大小来确定客观权重。熵权法的优点在于其根据各项指标指标值的变异程度来确定指标权数的，是一种客观赋权法，避免了人为因素带来的偏差。相对那些主观赋值法，精度较高客观性更强，能够更好的解释所得到的结果。熵权法的缺点在于忽略了指标本身重要程度，有时确定的权重会与预期的结果相差甚远，同时熵值法不能减少评价指
转载
2023-08-10 11:38:58
185阅读
一.系统聚类法 1.基本思想
将模式样本按距离准则逐步分类，类别由多到少，直到获得合适的分类要求为止。算法：第一步：设初始模式样本共有N个，每个样本自成一类，即建立N类，。计算各类之间的距离（初始时即为各样本间的距离），得到一个N*N维的距离矩阵D(0)。这里，标号(0)表示聚类开始运算前的状态。第二步：假设前一步聚类运算中已求得距离矩阵D(n)，n为逐次聚类合并的次数，则求D(n)中的
转载
2023-12-15 23:00:14
59阅读
聚类分析（最大最小距离算法实现）（第一次在这个平台分享知识，很多地方描述可能不恰当，多多包含。我将为大家分享一种关于聚类分析的最大最小距离算法实现方式。这个方式可能不是较佳的实现方式，仅供大家参考。）
一、算法描述
（1）：任意选取一个样本模式作为第一聚类中心Z1。
（2）：选择离Z1最远欧氏距离的模式样本作为第二聚类中心Z2。
（3）：逐个计算每个模式样本与已确定的所有聚类中心之间的欧式
转载
2023-11-10 03:17:07
96阅读
# Python快速一维数据聚类实现指南
## 介绍
本文将向刚入行的小白开发者介绍如何使用Python快速实现一维数据聚类的方法。聚类是一种常见的数据分析技术，用于将相似的数据点分组。在本文中，我们将使用Python中的scikit-learn库来实现一维数据聚类。
## 聚类流程
下面是一维数据聚类的流程图：
```mermaid
journey
title 聚类流程
原创
2024-01-09 05:02:50
73阅读
