主要内容
聚类分析
在数据中寻找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，将样本数据分成组，或集群．集群是这样形成的:同一集群中的对象是相似的，不同集群中的对象是不同的。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。此外,集群评价使用不同的评估标准确定数据的最佳集群数量。集群可视化选项包括树状图和剪影图。
聚类分析基础知识
- 分层聚类
产生嵌套的集群集 - k-Means和k-Medoids聚类
通过最小化平均或中等距聚类，并计算马氏距离 - 基于密度的空间聚类的噪声应用
使用DBSCAN算法寻找聚类和离群点 - 谱聚类
使用基于图的算法找到簇 - 高斯混合模型
基于期望最大化算法的高斯混合模型聚类 - 最近的邻居
使用穷举搜索或Kd-tree搜索 - 隐马尔可夫模型
用于数据生成的马尔科夫模型 - 集群可视化与评价
绘制聚类数据并评估最优聚类数量
特色的例子
你也可以从以下列表中选择一个网站:
