数据集群

集群

集群 是基于相似性的数据集合。

在图中聚在一起的数据点通常可以被分类成集群。

在下面的图中，我们可以区分出 3 个不同的集群

识别集群

集群可以包含许多有价值的信息，但集群有各种形状，那么我们如何识别它们呢？

主要方法有两种

• 使用可视化
• 使用聚类算法

聚类

聚类 是一种无监督学习。

聚类试图

• 将相似数据收集到组中
• 将不同的数据收集到其他组中

聚类方法

• 密度方法
• 层次方法
• 划分方法
• 基于网格的方法

密度方法 认为密集区域的点比低密度区域的点具有更多的相似性和差异。密度方法具有良好的准确性。它还具有合并集群的能力。
两种常见的算法是 DBSCAN 和 OPTICS。

层次方法 以树状结构形成集群。新的集群使用以前形成的集群形成。
两种常见的算法是 CURE 和 BIRCH。

基于网格的方法 将数据划分为有限数量的单元格，这些单元格形成网格状结构。
两种常见的算法是 CLIQUE 和 STING

划分方法 将对象划分为 k 个集群，每个分区形成一个集群。
一种常见的算法是 CLARANS。

相关系数

相关系数 (r) 描述了散点图上 x/y 变量之间的线性关系的强度和方向。

r 的值始终在 -1 到 +1 之间