数学建模 -- 聚类模型

来自清风的数学建模课程，主要是用于自己复习看，所以截图较多

聚类和分类的区别：分类已知类别 聚类未知

K-means算法

评价该算法

优点

• 算法简单、快速
• 对处理大数据集，该算法相对效率高

缺点

• 要求用户事先选定蔟的数目K
• 对初值敏感
• 对于孤立点数据敏感

K-means++算法可以处理上述的缺点2 3

K-means++算法

基本原则：初始的聚类中心之间的相互距离要尽可能的远

系统（层次）聚类

绝对值距离：使用网状距离

类与类之间的距离

操作

spss图形

DBSCAN算法

基于密度的聚类方法

优缺点

聚类和分类的区别：分类已知类别 聚类未知

K-means算法

评价该算法

优点

• 算法简单、快速
• 对处理大数据集，该算法相对效率高

缺点

• 要求用户事先选定蔟的数目K
• 对初值敏感
• 对于孤立点数据敏感

K-means++算法可以处理上述的缺点2 3

K-means++算法

基本原则：初始的聚类中心之间的相互距离要尽可能的远

系统（层次）聚类

绝对值距离：使用网状距离

类与类之间的距离

操作

spss图形

DBSCAN算法

基于密度的聚类方法

优缺点