机器学习｜聚类（下）

接下来几周的时间，我们将会推出关于《西瓜书》读书笔记的连载文章，updating~

在聚类（上）中我们了解了一下聚类算法的基本原理，同时也了解了最常用的聚类算法K-Means以及相关的优化算法，对于K-Means来说，我们可以称之为原型聚类算法，本节再让我们来了解一下密度聚类和层次聚类算法。

01

密度聚类

密度聚类算法假设聚类结构能通过样本分布的紧密程度确定，一般情况下，密度聚类算法从样本密度的角度来考察样本的可连接性，并基于可连接样本不断扩展聚类簇以获得最终的聚类结果。

密度聚类算法的主要特点：

1. 对噪声数据不敏感
2. 发现任意形状的簇
3. 一次扫描
4. 需要密度参数来作为算法停止的条件
5. 计算量大、复杂度高

DBSCAN的概念

DBSCAN的算法思想

DBSCAN的算法流程

02

层次聚类

层次聚类试图在不同层次对数据集进行划分，从而形成树形的聚类结构，对于数据集的划分我们即可以采用“自底向上”的策略，也可以采用“自顶向下”的策略。层次聚类的展示图如下：

AGNES算法