数据挖掘-聚类分析

聚类分析是一种非监督的学习，分类是一种监督学习，就是用已经知道的类别的训练数据获得一个分类的模型，因此聚类与分类的主要区别在因而否须要预先定义好类别，也就是说聚类分析只是依靠数据自己来肯定数据之间的关系的，因此聚类分析有很大的优越性特别是适合处理大量的原始的数据

聚类分析方法的性能指标：1.可扩展性，2，自适应性，3，鲁棒性4，可解释性

聚类使用的数据类是：数据矩阵 相异度矩阵  

规范化是在中心化的基础上再作变换，确保变量的变化范围相等，经常使用的规范化方法有最大值归一化，总和规范化，均值标准差规范化 以及极差规范化

聚类分析方法包括 基于划分的方法 基于分层的方法  基于密度的方法  基于网格的方法 基于模型的方法

连续变量的距离须要知足自反性 对称性 正定性 以及三角不等式等条件，矩阵D是一个对称矩阵，且对角线上的元素是0.

类似系数 应该知足自反性 对称性 归一化 知足三角不等式  

基于分割的聚类方法：k-均值算法  k-中心值算法

基于层次的聚了方法采用的是距离做为衡量聚类的标准    距离的度量的方法有：最小距离 最大距离 均值 等

分为自底向上和自顶向下的方法：其中自底向上是将每一个对象做为一个簇，经过不断的合并这些基本的簇造成较大的簇，知道知足条件为止 

自顶向下是首先将全部的对象看陈是一个簇中的对象，而后根据必定的准则不断的进行分割这个簇造成更小的簇，从而完成聚类

 

基于密度的聚类  主要饿算法有DBSCAN  OPTICS DENCLUE CLIQUE

基于网格的聚类  主要得算法有STING WaveCluster CLIQUE  

基于模型的聚类  主要有神经网络方法和统计学方法