k-means：
是一種典型的劃分聚類演算法，它用乙個聚類的中心來代表乙個簇，即在迭代過程中選擇的聚點不一定是聚類中的乙個點，該演算法只能處理數值型資料
k-modes：
k-means演算法的擴充套件，採用簡單匹配方法來度量分型別資料的相似度
k-prototypes：
結合了k-means和k-modes兩種演算法，能夠處理混合型資料
k-medoids：
在迭代過程中選擇簇中的某點作為聚點，pam是典型的k-medoids演算法
clara：
clara演算法在pam的基礎上採用了抽樣技術，能夠處理大規模資料
clarans：
clarans演算法融合了pam和clara兩者的優點，是第乙個用於空間資料庫的聚類演算法
focused claran：
採用了空間索引技術提高了clarans演算法的效率
pcm：
模糊集合理論引入聚類分析中並提出了pcm模糊聚類演算法
cure：
knn聚類還是分類 聊聊聚類演算法
學模式識別的時候覺得聚類是個很簡單很基礎的東西，但到了實習工作以及保研面試的時候又發現其實聚類沒那麼簡單，這裡從淺入深，結合個人專案以及其他寫的不錯的部落格來聊聊聚類演算法，有寫的不對的地方歡迎指出 用於資料探勘的聚類演算法有哪些，各有何優勢？www.zhihu.com 09 聚類演算法 層次聚類 ...
聚類和分類演算法的區別
聚類和分類演算法的區別 解讀結果不同。聚類演算法的結果是將不同的資料集按照各自的典型特徵分成不同類別，不同人對聚類的結果解讀可能不同 而分類的結果卻是乙個固定值 例如高 中 低 是 否等 不存在不同解讀的情況。模型評估指標不同 而分類模型的指標例如準確率 混淆矩陣 提公升率等都有明顯的好與壞 提公升...
K means聚類演算法實現分類
k means屬於無監督學習from numpy import vstack from scipy.cluster.vq import kmeans,vq list1 88.0,64.0,96.0,85.0 list2 92.0,99.0,95.0,94.0 list3 91.0,87.0,99.0...