数据挖掘算法初窥门庭--聚类

本贴最后更新于 3155 天前,其中的信息可能已经斗转星移

#聚类(Cluster)
##概念
什么是聚类:
按照个体或样品的特征将它们分类,使同一类别的个体具有尽可能高的同质性,而类别之间则应该具有尽可能高的异质性。
聚类的特点:
不是一种统计方法,而是数据处理技术;需要自定聚类变量以及类别个数,属于非监督的分析方法;一般不涉及有关统计量的分布;不需要进行显著性检验;聚类算法比距离算法对结果影响更大;样本的顺序会影响聚类的结果。
一些重要概念:

  • 聚类变量:一组表示个体特征的变量。完全由研究者规定,会对结果产生较大的影响。需要需要对变量进行标准化处理。
  • 类别个数:聚类结果类别的个数。完全由研究者规定,不管实际数据中是否存在不同的类别吗,都能得到若干类别的解。
  • 个体同质程度:有两种方式进行测量
    • 采用描述个体之间的接近程度指标(数量),如“距离”:欧式距离、 曼哈顿距离等
    • 采用描述铬铁之间的相似程度指标(模式),如“相关系数”:皮尔逊相关系数

##快速聚类和两阶段聚类
根据聚类算法的处理过程可以分为:快速聚类和两阶段聚类。

  • 快速聚类:
    • 思想:
      选取 k 个观测量作为初始聚类中心,以距离最小原则将样本分配到 k 个类中,在每个类中以一定的方法重新选举聚类中心。不断迭代,直到收敛或满足要求。
    • 特点:
      一般只能处理数值型的变量;噪声对结果影响比较大;强线性关系变量会导致重复贡献影响结果。
  • 两阶段聚类:
    • 思想:
      将聚类分为预聚类(类数目增加)和聚类(类数目减少)两个阶段,类似于,构造一棵树,从根向上不断生长出更多的分支,然后对树进行修剪,把小的分支处理掉,合并留下的大分支。
    • 特点:
      可以处理数值型和分类型的变量;自动确定最优聚类数目;诊断离群点和噪声数据;可缩放性强。

##常见算法
根据算法思想可以把聚类算法分为下列类型。下面我们简单学习各种算法的思想,特点,优缺点等。具体算法在实践中再进行具体的学习。

###划分算法
思想:划分算法属于快速聚类的方法。

1.选取 k 个观测量作为初始聚类中心
2.以距离最小原则将每个实例分配到 k 个类中
3.在每个类中以一定的方法重新选举聚类中心
4.不断迭代,直到收敛或满足要求

  • k-means 算法

    • 特点:初始类中心选取是任意的,类中心的再选举采用类中所有对象的均值。
    • 优点:算法简单,也是最常用的聚类算法;对大数据是可伸缩的且效率高,时间复杂度接近于线性。
    • 缺点:初始值的选取会对结果产生较大的影响;对脏数据很敏感;只能处理数值类型数据
  • k-medoids 算法

    • 特点:是对 K-MEANS 算法的改进,类中心(medoids)的再选举采用的是选取到类中其他点距离之和最小的点。
    • 优点:对脏数据不敏感
    • 缺点:选取类中心计算量大,一般只能用于小数据集
  • clara 算法

    • 特点:是 k-medoids 效率不好的解决方案,在选举类中心时,使用抽样数据代替整个数据集
    • 优点:提高选举类中心的效率
    • 缺点:效率取决于采样的大小,采样大小决定了聚类的结果,一般不太可能得到最佳结果
  • clarans

    • 特点:是对 clara 的改进:clara 在选举类中心时是用的采用是不变的,clarans 算法在没一次迭代使用的采样都是不一样的。
    • 优点:解决 clara 算法无法得到最佳结果的问题
    • 缺点:必须人为限定迭代次数。
k-means 是一种典型的划分聚类算法,它用一个聚类的中心来代表一个簇,即在迭代过程中选择的聚点不一定是聚类中的一个点,该算法只能处理数值型数据
k-modes K-Means算法的扩展,能够处理分类数据,采用简单匹配方法来度量分类型数据的相似度
k-prototypes 结合了K-Means和K-Modes两种算法,能够处理混合型数据
k-medoids 在迭代过程中选择簇中到其他点距离之和最小的点为中心,PAM是典型的k-medoids算法
CLARA CLARA算法在PAM的基础上采用了抽样技术,能够处理大规模数据
CLARANS CLARANS算法融合了PAM和CLARA两者的优点,是第一个用于空间数据库的聚类算法, 该算法适用于处理数值型数据

###层次算法
层次聚类方法是对给定数据集进行层次分解明知道某种条件满足为止。具体可以分为凝聚和分裂两种方案。

  • 凝聚:自底向上,首先每个对象作为一簇,然后合并这些原子簇,知道某个条件被满足。
  • 分裂:自顶向下,首先将所有的对象置于同一个簇,然后逐渐分裂为更小的簇,直到某个条件被满足。
CURE 采用抽样技术先对数据集随机抽取样本,再采用分区技术对样本进行分区,然后对每个分区局部聚类,最后对局部聚类进行全局聚类。适合处理数值型数据类型
ROCK 也采用了随机抽样技术,该算法在计算两个对象的相似度时,同时考虑了周围对象的影响,适合处理混合型数据类型
CHEMALOEN(变色龙算法) 首先由数据集构造成一个K-最近邻图Gk ,再通过一个图的划分算法将图Gk 划分成大量的子图,每个子图代表一个初始子簇,最后用一个凝聚的层次聚类算法反复合并子簇,找到真正的结果簇
SBAC SBAC算法则在计算对象间相似度时,考虑了属性特征对于体现对象本质的重要程度,对于更能体现对象本质的属性赋予较高的权值
BIRCH BIRCH算法利用树结构对数据集进行处理,叶结点存储一个聚类,用中心和半径表示,顺序处理每一个对象,并把它划分到距离最近的结点,该算法也可以作为其他聚类算法的预处理过程。适合处理数值型数据类型
BUBBLE BUBBLE算法则把BIRCH算法的中心和半径概念推广到普通的距离空间
BUBBLE-FM BUBBLE-FM算法通过减少距离的计算次数,提高了BUBBLE算法的效率

###密度算法
基于距离的算法只能发现“类圆形”的聚类,基于密度的算法克服了这个缺点。
密度算法的知道思想是,当一个区域中的点的密度大于某个阈值,就把它加入到与之相近的聚类中去。

DBSCAN 采用空间索引技术来搜索对象的邻域,引入了“核心对象”和“密度可达”等概念,从核心对象出发,把所有密度可达的对象组成一个簇,适合处理数值型数据类型
GDBSCAN 算法通过泛化DBSCAN算法中邻域的概念,以适应空间对象的特点
OPTICS OPTICS算法结合了聚类的自动性和交互性,先生成聚类的次序,可以对不同的聚类设置不同的参数,来得到用户满意的结果
FDC FDC算法通过构造k-d tree把整个数据空间划分成若干个矩形空间,当空间维数较少时可以大大提高DBSCAN的效率

###网格算法
基于网格的算法先将数据空间划分为有限个单元的网格结构,所有的处理都是以单个的单元为对象。网格算法的特点是处理速度很快,通常于单元个数有关而与记录个数无关。

STING 利用网格单元保存数据统计信息,从而实现多分辨率的聚类
WaveCluster 在聚类分析中引入了小波变换的原理,主要应用于信号处理领域。只能处理数值型数据类型
CLIQUE 是一种结合了网格和密度的聚类算法,适合处理数值型数据类型

###模型算法
基于模型的方法给每一个聚类假定一个模型,然后去寻找能够很好满足这个模型的数据集。这种算法的潜在假定是:目标数据集是由一系列的概率分布决定的。

AutoClass 是以概率混合模型为基础,利用属性的概率分布来描述聚类,该方法能够处理混合型的数据,但要求各属性相互独立
自组织神经网络SOM 由外界输入不同的样本到人工的自组织映射网络中,一开始时,输入样本引起输出兴奋细胞的位置各不相同,但自组织后会形成一些细胞群,它们分别代表了输入样本,反映了输入样本的特征

###weka 中的聚类算法

  • EM,用户可指定需要产生多少聚类,否则所用的算法可通过交叉验证来决定,用户可指定循环次数的最大值,并且为正常的密度计算设定可允许的最小标准差。

  • SimpleKMeans 使用 k 均值来聚类数据;聚类的数量通过一个参数设定。

  • Cobweb 实现了用于名词属性的 Cobweb 算法和用于数值性属性的 Classit 算法。

  • FarthestFirst 实现 Hochbaum 和 Shmoys 远端优先遍历算法。

  • MakeDensityBaseCluster 是一个元聚类器,它包装一个聚类算法,使其返回一个概率分布和密度。它为每个聚类拟合一个离散分布,或一个对称的正态分布。

相关帖子

欢迎来到这里!

我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。

注册 关于
请输入回帖内容 ...
  • ss

    @88250 这个给老大看看不错,老大的那个分类方法最终实现离不开这些东东呢。既然是学 java 的,不知到有没有把 scala 和 spark 一块学了?

  • 88250

    @ss 木。

推荐标签 标签

  • 单点登录

    单点登录(Single Sign On)是目前比较流行的企业业务整合的解决方案之一。SSO 的定义是在多个应用系统中,用户只需要登录一次就可以访问所有相互信任的应用系统。

    9 引用 • 25 回帖
  • SOHO

    为成为自由职业者在家办公而努力吧!

    7 引用 • 55 回帖 • 18 关注
  • Elasticsearch

    Elasticsearch 是一个基于 Lucene 的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎,基于 RESTful 接口。Elasticsearch 是用 Java 开发的,并作为 Apache 许可条款下的开放源码发布,是当前流行的企业级搜索引擎。设计用于云计算中,能够达到实时搜索,稳定,可靠,快速,安装使用方便。

    117 引用 • 99 回帖 • 223 关注
  • Linux

    Linux 是一套免费使用和自由传播的类 Unix 操作系统,是一个基于 POSIX 和 Unix 的多用户、多任务、支持多线程和多 CPU 的操作系统。它能运行主要的 Unix 工具软件、应用程序和网络协议,并支持 32 位和 64 位硬件。Linux 继承了 Unix 以网络为核心的设计思想,是一个性能稳定的多用户网络操作系统。

    939 引用 • 940 回帖
  • PostgreSQL

    PostgreSQL 是一款功能强大的企业级数据库系统,在 BSD 开源许可证下发布。

    22 引用 • 22 回帖 • 1 关注
  • 酷鸟浏览器

    安全 · 稳定 · 快速
    为跨境从业人员提供专业的跨境浏览器

    3 引用 • 59 回帖 • 31 关注
  • golang

    Go 语言是 Google 推出的一种全新的编程语言,可以在不损失应用程序性能的情况下降低代码的复杂性。谷歌首席软件工程师罗布派克(Rob Pike)说:我们之所以开发 Go,是因为过去 10 多年间软件开发的难度令人沮丧。Go 是谷歌 2009 发布的第二款编程语言。

    497 引用 • 1387 回帖 • 294 关注
  • SQLServer

    SQL Server 是由 [微软] 开发和推广的关系数据库管理系统(DBMS),它最初是由 微软、Sybase 和 Ashton-Tate 三家公司共同开发的,并于 1988 年推出了第一个 OS/2 版本。

    19 引用 • 31 回帖
  • Git

    Git 是 Linux Torvalds 为了帮助管理 Linux 内核开发而开发的一个开放源码的版本控制软件。

    209 引用 • 358 回帖
  • 小说

    小说是以刻画人物形象为中心,通过完整的故事情节和环境描写来反映社会生活的文学体裁。

    28 引用 • 108 回帖
  • WiFiDog

    WiFiDog 是一套开源的无线热点认证管理工具,主要功能包括:位置相关的内容递送;用户认证和授权;集中式网络监控。

    1 引用 • 7 回帖 • 586 关注
  • 宕机

    宕机,多指一些网站、游戏、网络应用等服务器一种区别于正常运行的状态,也叫“Down 机”、“当机”或“死机”。宕机状态不仅仅是指服务器“挂掉了”、“死机了”状态,也包括服务器假死、停用、关闭等一些原因而导致出现的不能够正常运行的状态。

    13 引用 • 82 回帖 • 53 关注
  • Mobi.css

    Mobi.css is a lightweight, flexible CSS framework that focus on mobile.

    1 引用 • 6 回帖 • 733 关注
  • 服务器

    服务器,也称伺服器,是提供计算服务的设备。由于服务器需要响应服务请求,并进行处理,因此一般来说服务器应具备承担服务并且保障服务的能力。

    124 引用 • 580 回帖
  • 旅游

    希望你我能在旅途中找到人生的下一站。

    90 引用 • 899 回帖
  • OkHttp

    OkHttp 是一款 HTTP & HTTP/2 客户端库,专为 Android 和 Java 应用打造。

    16 引用 • 6 回帖 • 60 关注
  • BAE

    百度应用引擎(Baidu App Engine)提供了 PHP、Java、Python 的执行环境,以及云存储、消息服务、云数据库等全面的云服务。它可以让开发者实现自动地部署和管理应用,并且提供动态扩容和负载均衡的运行环境,让开发者不用考虑高成本的运维工作,只需专注于业务逻辑,大大降低了开发者学习和迁移的成本。

    19 引用 • 75 回帖 • 632 关注
  • GitBook

    GitBook 使您的团队可以轻松编写和维护高质量的文档。 分享知识,提高团队的工作效率,让用户满意。

    3 引用 • 8 回帖 • 2 关注
  • 代码片段

    代码片段分为 CSS 与 JS 两种代码,添加在 [设置 - 外观 - 代码片段] 中,这些代码会在思源笔记加载时自动执行,用于改善笔记的样式或功能。

    用户在该标签下分享代码片段时需在帖子标题前添加 [css] [js] 用于区分代码片段类型。

    54 引用 • 292 回帖
  • 思源笔记

    思源笔记是一款隐私优先的个人知识管理系统,支持完全离线使用,同时也支持端到端加密同步。

    融合块、大纲和双向链接,重构你的思维。

    22019 引用 • 87804 回帖 • 2 关注
  • JVM

    JVM(Java Virtual Machine)Java 虚拟机是一个微型操作系统,有自己的硬件构架体系,还有相应的指令系统。能够识别 Java 独特的 .class 文件(字节码),能够将这些文件中的信息读取出来,使得 Java 程序只需要生成 Java 虚拟机上的字节码后就能在不同操作系统平台上进行运行。

    180 引用 • 120 回帖 • 1 关注
  • 创业

    你比 99% 的人都优秀么?

    84 引用 • 1399 回帖 • 1 关注
  • Flume

    Flume 是一套分布式的、可靠的,可用于有效地收集、聚合和搬运大量日志数据的服务架构。

    9 引用 • 6 回帖 • 621 关注
  • RabbitMQ

    RabbitMQ 是一个开源的 AMQP 实现,服务器端用 Erlang 语言编写,支持多种语言客户端,如:Python、Ruby、.NET、Java、C、PHP、ActionScript 等。用于在分布式系统中存储转发消息,在易用性、扩展性、高可用性等方面表现不俗。

    49 引用 • 60 回帖 • 366 关注
  • OnlyOffice
    4 引用 • 2 关注
  • Netty

    Netty 是一个基于 NIO 的客户端-服务器编程框架,使用 Netty 可以让你快速、简单地开发出一个可维护、高性能的网络应用,例如实现了某种协议的客户、服务端应用。

    49 引用 • 33 回帖 • 19 关注
  • 反馈

    Communication channel for makers and users.

    123 引用 • 911 回帖 • 237 关注