二、birch 聚類演算法
三、mean-shift 演算法
3.1簡介
四、affinity propagation
4.1 簡介
五、spectral clustering
sklearn提供了其他很多聚類演算法
這個演算法專門為大型資料集設計的，它可以比kmeans還快，且結果差不多。
但要注意的是屬性數量不能太大（ features < 20）
它在訓練過程中構建了乙個樹結構，其中僅包含足夠的資訊來把每個新樣本快速分配給cluster，而不必將所有樣本儲存在樹中：這允許它使用有限的記憶體，同時處理龐大的資料集。
這個演算法和dbscan很像，它也能找出任何數量任何形狀的clusters，且只有乙個超引數–就是圓的半徑
叫做bandwidth，並且基於區域性密度估計。
然而這個演算法，當簇具有內部密度變化時，傾向於將簇切成碎片。並且它的計算複雜度是o(m^2),所以不適合大規模資料
這個演算法使用一種投票系統(voting system)。在該系統中，樣本對相似的樣本進行投票以作為其代表，一旦演算法收斂，每個代表及其選民將組成乙個集群。
該演算法可以檢測任意數量的大小不同的簇，然而計算複雜度是o(m^2),所以不適合大規模資料
聚類演算法 近鄰聚類演算法
time is always too short for those who need it,but for those who love,it lasts forever.dracula untold 近鄰聚類法同樣是一種基於距離閾值的聚類演算法。coding utf 8 近鄰聚類演算法的pyth...
聚類演算法 層次聚類演算法
層次聚類演算法 hierarchical clustering method 又稱為系統聚類法 分級聚類法。層次聚類演算法又分為兩種形式 凝聚層次聚類 首先將每個物件作為乙個簇，然後合併這些原子簇為越來越大的簇，直到某個終結條件被滿足。層次聚類 首先將所有物件置於乙個簇中，然後逐漸細分為越來越小的簇...
聚類演算法 什麼是聚類
聚類分析或聚類演算法就是通過一些方法或手段使資料集集聚成不同的類別，或者叫 簇。簇內部每乙個單位都是相似的。簇與簇之間都是不相似的。但是聚類其實是一種思想，它不是一種具體的方法。這裡千萬不要搞混。但是可以實現聚類的演算法有很多種。我們通常就使用這些演算法來實現聚類的。比如 k means就是最為經典...