聚类常用的两种算法

• k-means算法
• DBSCAN算法

原理：

kmeans：参数： 核数

1、随机初始化核心点
2、每个点计算与核心的距离，把最近的点设置为那个簇。
3、距离的计算一般为欧式距离，见下方说明
4、更新簇的中心点为所有点的中心，再依次更新所有点的所属簇。
。。。。

欧式距离算法

参考

直到距离和簇不再发生变化

缺点：1、 所有核心点的初始化非常影响效果，

2、无法分类较为复杂的数据点。

DBSCAN算法：

传销算法：

传入密度阈值，和离心半径（相当于多少钱能升级代理）

产出所有的核心点，生成直接密度可达（一级代理）， 一级代理发展下线（和核心的关系叫密度可达），发展到最后，没有下线的叫边界点。

如有p和k点 与核心q都是密度可达的，称为p和k密度相连（代理姐妹）。

噪声点：无法划分的，不属于下线的，即老鼠屎，无法被传销吞并，也称异常点，离群点。

动态体验聚类算法