选择聚类分析法
本主题提供了Statistics and Machine Learning Toolbox™中可用的聚类方法的简要概述。
聚类方法
聚类分析，也叫市场细分分析或分类分析，是一种常见的无监督学习方法。无监督学习用于从没有标记响应的输入数据组成的数据集中得出推论。例如，可以使用聚类分析进行探索性数据分析，以查找未标记数据中的隐藏模式或分组。
聚类分析创建组，或者集群的数据。属于同一集群的对象彼此相似，而不同于属于不同集群的对象。要量化“相似”和“不同”，您可以使用不相似度量(或不相似度量)距离度量)，这是特定于您的应用程序和数据集的领域。此外，根据您的应用程序，您可能会考虑扩展(或标准化)数据中的变量，以便在集群期间赋予它们同等的重要性。
统计和机器学习工具箱为这些聚类方法提供了功能:
分层聚类
分层聚类通过创建聚类树或系统树图。该树不是一组集群，而是一个多层层次结构，其中一层的集群组合成下一层的集群。这种多层层次结构允许您选择最适合您的应用程序的集群级别或规模。分层集群将数据中的每个点分配给集群。
使用clusterdata对输入数据执行分层聚类。clusterdata包含了pdist，链接,集群函数，您可以单独使用它们进行更详细的分析。的系统树图函数绘制集群树。有关更多信息，请参见层次聚类概论。
k则和k-Medoids集群
k-表示聚类和k-medoids将分区数据聚类到k互斥集群。这些集群方法要求您指定集群的数量k。这两个k则和k- mediids clustering将数据中的每个点分配到一个集群;然而，与分层聚类不同的是，这些方法基于实际观察(而不是不同度量)，并创建单个级别的聚类。因此,k——或k-介质聚类通常比分层聚类更适合于大量数据。
使用kmeans和kmedoids来实现k-表示聚类和k- medioids聚类。有关更多信息，请参见介绍k聚类则和k-Medoids集群。
基于密度的含噪声应用空间聚类(DBSCAN)
DBSCAN是一种基于密度的算法，可以识别数据中任意形状的簇和异常值(噪声)。在聚类过程中，DBSCAN识别不属于任何聚类的点，这使得该方法对于基于密度的离群值检测非常有用。不像k则和k- medidoids聚类，DBSCAN不需要预先知道簇的数量。
高斯混合模型
高斯混合模型(GMM)作为多元正态密度成分的混合物形成簇。对于给定的观测值，GMM为每个分量密度(或聚类)分配后验概率。后验概率表示观测值有一定的概率属于每个聚类。GMM可以执行硬通过选择最大后验概率的分量作为观测值的分配聚类来聚类。您也可以使用GMM来执行软,或模糊基于观察值的分数或后验概率，将观察值分配给多个聚类。GMM可能是比k-表示集群大小不同且集群内部相关结构不同时的聚类。
使用fitgmdist适合…gmdistribution反对你的数据。你也可以用gmdistribution通过指定分布参数来创建GMM对象。当您有一个合适的GMM时，您可以使用集群函数。有关更多信息，请参见使用高斯混合模型聚类。
k-最近邻搜索和半径搜索
k-最近邻搜索找到k数据中离查询点或一组查询点最近的点。相反，半径搜索查找数据中与查询点或查询点集在指定距离内的所有点。这些方法的结果取决于距离度量你指定的。
使用knnsearch查找函数k-最近的邻居或rangesearch函数查找输入数据指定距离内的所有邻居。您还可以使用训练数据集创建搜索器对象，并将对象和查询数据集传递给对象函数(knnsearch和rangesearch)。有关更多信息，请参见使用最近邻进行分类。
谱聚类
谱聚类是一种基于图的查找算法k数据中任意形状的簇。该技术涉及以低维表示数据。在低维中，数据中的聚类被更广泛地分开，使您能够使用诸如k——或k-medoids集群。这个低维是基于拉普拉斯矩阵的特征向量。拉普拉斯矩阵是表示相似图的一种方法，它将数据点之间的局部邻域关系建模为无向图。
使用spectralcluster在输入数据矩阵或相似图的相似矩阵上执行谱聚类。spectralcluster要求您指定集群的数量。然而，谱聚类算法也提供了一种估计数据中聚类数量的方法。有关更多信息，请参见使用谱聚类划分数据。
聚类方法比较
此表比较了统计学和机器学习工具箱中可用的聚类方法的特性。
| 方法 | 算法基础 | 算法输入 | 需要指定数量的集群 | 已识别的簇形状 | 用于离群值检测 |
|---|---|---|---|---|---|
| 分层聚类 | 物体间距离 | 观测之间的成对距离 | 没有 | 任意形状的群集，取决于指定的“链接”算法 |
没有 |
| k - means聚类和k-Medoids集群 | 物体和质心之间的距离 | 实际观察 | 是的 | 具有相等对角线协方差的球状簇 | 没有 |
| 基于密度的含噪声应用空间聚类(DBSCAN） | 数据中区域的密度 | 实际观测值或观测值之间的成对距离 | 没有 | 任意形状的簇 | 是的 |
| 高斯混合模型 | 高斯分布的混合 | 实际观察 | 是的 | 具有不同协方差结构的球状团簇 | 是的 |
| 最近的邻居 | 物体间距离 | 实际观察 | 没有 | 任意形状的簇 | 是的，取决于指定的邻居数量 |
| 光谱聚类(使用谱聚类划分数据） | 表示数据点之间连接的图形 | 实际观察或相似矩阵 | 是的，但是该算法也提供了一种估计集群数量的方法 | 任意形状的簇 | 没有 |
