聚類演算法優缺點總結

聚類演算法優缺點總結

k均值演算法

二分k-均值演算法

min單鏈凝聚層次聚類

max全鏈凝聚層次聚類

組平均凝聚層次聚類

ward方法

質心方法

lance-williams公式

dbscan密度聚類

資料具有大小很不同的簇

具有許多屬性和混合屬性的資料

目標函式：最小化每個點到最近質心的距離的平方，即最小化sse。

優點：（1）原理比較簡單，實現也是很容易，收斂速度快。

（2）區域性最優。

（3）演算法的可解釋度比較強。

（4）主要需要調參的引數僅僅是簇數k。

（5）對處理大資料集，該演算法保持可伸縮性和高效性

（6）當簇接近高斯分布時，它的效果較好

缺點:（1）處理空簇，如果所有點在指派步驟都未分配到某個簇，就會得到空簇

（2）對雜訊和異常點比較敏感

（3）k值不好把握

（4）對於不是凸的資料集比較難收斂

（5）如果各隱含類別的資料不平衡，比如各隱含類別的資料量嚴重失衡，或者各隱含類別的方差不同，則聚類效果不佳

（6）採用迭代方法，得到的結果只是區域性最優

（7）初始聚類中心的選擇

適用的資料型別：

適用於各種資料型別，比較符合隨機分布的歐幾里得資料，但是不能處理非球形簇，不同尺寸和不同密度的簇

目標函式：從二分試驗中選擇具有最小總sse的兩個簇

優點：與k均值相同，而且更有效（初始點的選擇）

缺點：與k均值相同

適用的資料型別：與k均值相同

目標函式：通過選擇較大的資料點作為質心使總sse最小

優點：與k均值相同，而且更有效（初試質心的選擇）

缺點：與k均值相同

適用的資料型別：與k均值相同

目標函式：不同兩個聚類中離得最近的兩個點之間的距離

優點:（1） 不需要指定k值

（2） 產生高質量的聚類

缺點:（1） 對於計算量和儲存需求而言，此演算法是昂貴的

（2） 所有的合併都是最終的，對於雜訊，高維資料，可能造成問題

（3） 缺乏全域性目標函式

（4） 不能很好的處理不同大小簇的能力

適用的資料型別：單鏈技術擅長於處理非橢圓形狀的簇，但對雜訊和離群點很敏感，適用於基本應用需要層次結構，建立一種分類方法，不適用於高維資料，適用於具有少量雜訊並且具有歐幾里得資料

目標函式：不同兩個聚類中離得最遠的兩個點之間的距離

優點：與凝聚層次聚類相同

缺點：與凝聚層次聚類相同

適用的資料型別：與凝聚層次聚類相同

目標函式：不同兩個聚類中所有點對距離的平均值

優點：與凝聚層次聚類相同

缺點：與凝聚層次聚類相同

適用的資料型別：與凝聚層次聚類相同

目標函式：最小化兩個簇合併時導致的平方誤差的增量

優點：與凝聚層次聚類相同

缺點：與凝聚層次聚類相同

適用的資料型別：與凝聚層次聚類相同

目標函式：計算簇質心之間的距離來計算兩個簇之間的鄰近度

優點:（1） 與凝聚層次聚類相同

（2） 倒置的可能性

缺點：與凝聚層次聚類相同

適用的資料型別：與凝聚層次聚類相同

目標函式： 給定eps和minpts來聚類

優點：（1） 相對抗雜訊的

（2） 能夠處理任意形狀和大小的簇，這也是比k均值好的地方

（3） 聚類結果沒有偏倚，而k-means聚類演算法對初始值要求很高

缺點：（1） 不能處理密度變化太大以及聚類間距相差很大的簇，不然效果比較差

（2） 不能處理高維資料

（3） 如果樣本集較大時，聚類收斂時間較長

（4） 需要進行調參，eps和minpts的引數確定

（5） 演算法聚類效果依賴距離公式的選取

適用的資料型別：不能高維，簇密度不能變化太大，聚類間距也不能太大，樣本集合適。

聚類演算法優缺點分析

演算法定義 優點缺點 kmeans 簡單 高效 快速收斂 當簇接近高斯分布式，聚類效果好 必須定義平均值，k事先給定，k的值影響聚類效果，對異常值影響大 dbscan 可以對任意形狀進行聚類，對異常值不敏感 對簇密度相差較大，不均勻的話，聚類效果不好，樣本大，收斂時間長 凝聚式層次聚類 速度快，對異...

KNN演算法，K聚類的優缺點

適用資料範圍 數值型和標稱型 目標變數的結果只在有限目標集中取值，如真與假，標稱型目標變數主要用於分類 優點 簡單，易於理解，易於實現，無需引數估計，無需訓練 對異常值不敏感 個別噪音資料對結果的影響不是很大 適合對稀有事件進行分類 適合於多分類問題 multi modal,物件具有多個類別標籤 k...

k means聚類，密度聚類，層次聚類優缺點

k means 優點 1，簡單，易於理解和實現 2，時間複雜度低 缺點 1，需要對均值給出定義,2，需要指定要聚類的數目 3，一些過大的異常值會帶來很大影響 4，演算法對初始選值敏感 5，適合球形聚類 層次聚類 優點 1，距離和規則的相似度容易定義，限制少 2，不需要預先制定聚類數 3，可以發現類的...