怎么做相册网站,wordpress 手机管理员密码,头条新闻 最新消息条,水冷眸WordPress聚类任务是无监督学习的一种用于分类等其他任务的前驱过程#xff0c;作为数据清洗#xff0c;基于聚类结果训练分类模型 1.聚类性能度量#xff08;有效性指标#xff09; 分类任务的性能度量有错误率、精度、准确率P、召回率R、F1度量(P-R的调和平均)、TPR、FPR、AUC回归…聚类任务是无监督学习的一种用于分类等其他任务的前驱过程作为数据清洗基于聚类结果训练分类模型 1.聚类性能度量有效性指标 分类任务的性能度量有错误率、精度、准确率P、召回率R、F1度量(P-R的调和平均)、TPR、FPR、AUC回归任务的性能度量有均方误差MSE、根均方误差RMSE、平均绝对误差MAE、R-Squared聚类任务的性能度量分为三个外部指标两个内部指标 外部指标和一个参考模型比 若对m个样本聚类分成了k个簇两两样本比较可组为m(m-1)/2组每组要么位于相同簇(1)要么位于不同簇(0)对参考模型做同样操作我们希望两个模型对于m(m-1)/2组样本组合划分的结果都为1或都为0的尽可能多则分为如下三个外部指标都是越大越好 Jaccard系数JCa/(abc)在两个模型中都为同一个簇的尽可能多FM指数FMIsqrt(a/(ab)a/(ac))Rand指数RI(ad)/(abcd)在两个模型中都为同一个簇或都不为同一个簇的尽可能多 内部指标内部簇间距离大簇内距离小 DB指数越小越好Dumn指数越大越好 2.距离计算 2.1.连续属性具有非负性、直递性、对称性、同一性 计算闵可夫斯基距离 曼哈顿距离绝对值相加欧氏距离绝对值平方相加开根号 2.2.离散属性 VDM法没太理解不确定 3.原型聚类 3.1.k-means 3.2.DBSCAN密度聚类 由核心对象出发找到与该核心对象密度可达的所有样本形成一个聚类簇。 1概念邻域参数 eps (每个点的方圆eps内有几个样本)和 Minpts(eps的一个分界点) 2样本点之间的三种关系 密度可达和密度相连区别在于方向不同 x1—x2—x3的x1到x3是密度可达x1—x2—x3的x1和x3是密度相连 其中密度可达是不一定对称的密度相连是对称的如下题目 x1到x2直接密度可达x1到x3密度可达x3与x4密度相连(通过x1) 3.3.AGNES层次聚类 自底向上聚合的层次聚类算法它先会将数据集中的每个样本看作一个初始簇然后在算法运行的每一步中找出距离最近的两个簇进行合并直至达到预设的簇的数量。
