机器学习聚类算法

聚类本质​

无监督学习(无标签数据)

目标:将相似数据分到同一组

​距离度量​

度量类型 公式 特点 适用场景
​欧式距离​ √(∑(x_i - y_i)²) 直线距离 空间连续数据(推荐系统)
​曼哈顿距离​ `∑ x_i - y_i

k均值算法

如图所示:k=4时,值最大

CH指标

​CH指标通过计算类中各点与类中心的距离平方和来度量类内的紧密度;

通过计算各类中心点与数据集中心点距离平方和来度量数据集的分离度;

从而,CH越大代表着类自身越紧密,类与类之间越分散,即更优的聚类结果

CH = [B/(K-1)] / [W/(N-K)] B = 类间方差(分离度) W = 类内方差(紧密度)

优点: 简单快速,适合常规数据集

函数

from sklearn.datasets import make_blobs

make_blobs():为聚类产生数据集

|---------------|------------------------------|
| n_samples | 数据样本点个数,默认值100 |
| n_features | 每个样本的特征数,也表示数据的维度,默认值是2 |
| centers | 表示类别数(标签的种类数),默认值3 |
| cluster_std | 每个类别的方差 |
| center_box | 中心确定之后的数据边界,默认值(-10.0, 10.0) |
| shuffle | 是否将数据进行打乱,默认值是True |
| random_state | 随机生成器的种子,可以固定生成的数据 |

代码

复制代码
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

x, y = make_blobs(
    n_samples=1000,
    n_features=2,
    centers=[[-1, -1], [0, 0], [1, 1], [2, 2]],
    cluster_std=[0.4, 0.2, 0.2, 0.2],
    random_state=9
)

plt.scatter(x[:, 0], x[:, 1], marker="o")
plt.show()
python 复制代码
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs

# 生成数据(假设之前未执行)
x, _ = make_blobs(n_samples=1000, n_features=2,
                  centers=[[-1, -1], [0, 0], [1, 1], [2, 2]],
                  cluster_std=[0.4, 0.2, 0.2, 0.2],
                  random_state=9)

# 聚类并可视化
y_pred = KMeans(n_clusters=2, random_state=9).fit_predict(x)
plt.scatter(x[:, 0], x[:, 1], c=y_pred)
plt.show()

集成算法

核心原则​​:综合多个学习器(模型)的预测结果,比单一模型更优(类似"博采众长")

实现方式​ :通过组合多个弱学习器(如决策树)构建强学习器。

方法分类​

Bagging(并行训练)​

特点​ ​:个体学习器​​相互独立​​,可并行训练。

代表算法​​随机森林(Random Forest)

​双重随机性​ :数据随机采样(Bootstrap)特征随机选择

​优势​ :处理高维数据,无需特征选择输出特征重要性支持并行计算,速度快可可视化分析

输出策略​ :分类任务 → ​投票法​ (少数服从多数)回归任务 → ​平均法

​Sklearn类​RandomForestClassifier(), RandomForestRegressor()

Boosting(串行训练)

特点​ ​:个体学习器​​存在依赖​​,需串行生成,通过调整样本权重逐步改进。

对比

方法​ 训练方式 学习器关系 代表算法 输出策略
​Bagging​ 并行 独立 随机森林 投票/平均
​Boosting​ 串行 强依赖 AdaBoost 加权组合
​Stacking​ 分阶段 异构模型 多模型组合 元模型二次预测
相关推荐
AI数据皮皮侠2 小时前
中国各省森林覆盖率等数据(2000-2023年)
大数据·人工智能·python·深度学习·机器学习
2401_841495644 小时前
【数据结构】红黑树的基本操作
java·数据结构·c++·python·算法·红黑树·二叉搜索树
西猫雷婶4 小时前
random.shuffle()函数随机打乱数据
开发语言·pytorch·python·学习·算法·线性回归·numpy
小李独爱秋5 小时前
机器学习中的聚类理论与K-means算法详解
人工智能·算法·机器学习·支持向量机·kmeans·聚类
ruleslol5 小时前
Week09-Clustering聚类&k-mean
机器学习·聚类
深栈6 小时前
机器学习:线性回归
人工智能·pytorch·python·机器学习·线性回归·sklearn
云澈ovo6 小时前
FP16混合精度训练:Stable Diffusion生成速度提升300%的硬件配置方案
人工智能·机器学习·stable diffusion
zzywxc7876 小时前
AI行业应用:金融、医疗、教育、制造业的落地实践与技术创新
人工智能·机器学习·金融·自动化·prompt·ai编程·xcode
小欣加油7 小时前
leetcode 1863 找出所有子集的异或总和再求和
c++·算法·leetcode·职场和发展·深度优先
十八岁讨厌编程7 小时前
【算法训练营Day27】动态规划part3
算法·动态规划