主要内容
聚类分析
在数据中发现自然分组和模式的无监督学习技术
聚类分析，也称为分段分析或分类分析，将样本数据划分为组，或簇. 簇的形成使得同一簇中的对象相似，而不同簇中的对象不同。统计和机器学习工具箱™ 提供了几种聚类技术和相似性度量（也称为距离度量)创建集群。另外,，聚类评价使用不同的评估标准确定数据的最佳群集数。聚类可视化选项包括树状图和轮廓图。工具箱还提供了几个异常检测用于识别异常值和新颖性的功能。
聚类分析基础
- 层次聚类
生成嵌套的簇集 - k-Means和k-Medoids聚类
通过最小化平均距离或medoid距离进行聚类，并计算马氏距离 - 基于密度的噪声应用空间聚类
使用DBSCAN算法查找聚类和异常值 - 谱聚类
基于图的聚类算法 - 高斯混合模型
基于期望最大化算法的高斯混合模型聚类 - 近邻
使用穷举搜索或Kd-树搜索 - 隐马尔可夫模型
数据生成的马尔可夫模型 - 异常检测
检测异常值和新颖性 - 聚类可视化与评价
绘制数据簇并评估最佳簇数
特色实例
您还可以从以下列表中选择网站：
