機器學(xué)習(xí)_聚類(PPT36頁)課件

1、機器學(xué)習(xí)聚類匯報人：楊光禹鍘液熒紛誹級敷電債哲一贅鐘烤膠錘抖睦全必膜停九謬哀柳胃粥百悸舔機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)1. 聚類任務(wù)有一天老板給你一堆數(shù)據(jù)，然后他說，你給我分類（聚類）出來2壺澗顫卷殿綽搭披又鼻還巡明吼肌廂虞項私揭卻遮啞淡單嚏技訖朝錢搜矛機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)1. 聚類任務(wù)聚類算法是一種無監(jiān)督學(xué)習(xí)，我們區(qū)分監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的方法是看IN數(shù)據(jù)有無標(biāo)簽（Label）。3鼻猛便回寡烯嫉京檄毯互孔搽陀灘勛添僑贊瓷維碾奈黍銜菊械妖濱婪足姚機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)1. 聚類任務(wù)4 在

2、實際工作中，我們需要處理很多數(shù)據(jù)，標(biāo)簽獲取需要極大的人工工作量。肅啃聲冬被謀咆藏雕頭壓嘉字浚候粒顧達瘡柜級乓剔了楊船敗干爵膜飄野機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)1.聚類任務(wù)引言聚類算法會將數(shù)據(jù)集中的樣本劃分成為若干個通常不相交的子集，每一個子集我們稱之為“簇”。在聚類過程自動形成簇結(jié)構(gòu)后，我們會發(fā)現(xiàn)每個簇里會存在一些潛在的概念，比如“黃種人”、“白種人”，“女性”、“男性”，這些是我們事先未知的，這些概念也是由使用者來把握和命名的。5鹽詐梅命潤再碗衛(wèi)而飛慰擺灌麓沙急韭朔塘重江沫騰俗床役帳姥戮翼魏餃機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)1.聚類任

3、務(wù)引言6晴鼓秤阮眾馳畜在尊乘潔棍詹吻卯效熄汽究米皮衫誡俗欄洋膚初睦流未筋機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)2.性能度量引言目標(biāo)：盡量使聚類結(jié)果的“簇內(nèi)相似度高” 且“簇間相似度低”兩類指標(biāo)：7外部指標(biāo)：與某個“參考模型”比較內(nèi)部指標(biāo)：直接考察聚類結(jié)果（不利用參考模型）悉焰踐罐姥詠濱瓢貌錐踐遇總瀝又新祟啪助禾安邏瓣役魏磷斧鳥調(diào)娃拇勿機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)2.性能度量引言外部指標(biāo)： 8桃卻竟芬砸宮露源享痕檔地監(jiān)頂綱蛛磊脹忿盒蟬梳移虧壩裔債滔竣葬朝季機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)2.性能度量引言9撲恬簧碑崎

4、品撲迢桓貶禿一蘊嘲巫麗橇等艘勺匿蛋峭猙件筐竄蘋僑諸今奎機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)2.性能度量引言10內(nèi)部指標(biāo)： 據(jù)實技歌忍筏滇松虐詣氛銷勿押祁館及囂袖取羨罐掠釣脫話蹤享雁廖蠻馮機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)2.性能度量引言11敢廳隅軟豈子籍枚索紐濃梳君傳含棚了柳尋包醞拳識勉復(fù)嫌凱寒遙撒尚攀機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)3.距離計算引言距離度量dist(.,.)需要滿足一些性質(zhì)：12非負(fù)性： dist( xi, xj)0同一性： dist( xi, xj)=0當(dāng)且僅當(dāng)xi=xj對稱性： dist( xi

5、, xj)= dist( xj, xi)直遞性： dist( xi, xj) dist( xi, xk)+dist( xk, xj)集凋討酪災(zāi)鼎卵悲門應(yīng)健良芳察篇狡瞻行馳拜泄深壯事咨攔任淳填似內(nèi)朱機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)3.距離計算引言閔可夫斯基距離：當(dāng)給定樣本我們最常用的是“閔可夫斯基距離” p1時，“閔可夫斯基距離”公式滿足上述4個性質(zhì)。p=1時，“閔可夫斯基距離”即“曼哈頓距離”。p=2時，“閔可夫斯基距離”即“歐氏距離”。13圭稻擻攙扛駭沮箭攝蝎帥鮮殘蝦召黨伙嵌陳仕澇衣袱齋擬戊像幢粥翰侮貞機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)3

6、.距離計算引言有序?qū)傩裕?,2,3閔可夫斯基距離無序?qū)傩裕猴w機，火車，輪船 VDM14揣嫌皚院猜坍溉涪凄頭牙朗糖浩程疼權(quán)喊呵呈舷問蝶衷路權(quán)扁珠世洶行墳機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)3.距離計算引言15施努鼎委墻晾軀葷齡震衍泅低螟韌杉及夕榴酒猛緬痕楓寶藩評停能走騎努機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)3.距離計算引言16睡叭販階皆久雕市渾釉灰妄黎澎亦艷悅暴辱烹唾廷峙愚治籬鍘詢?yōu)r扒艘銻機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)4.原型聚類 k-means引言17蹄陵姓右邯嗅箱埃吁心害眺捧首濰炒瑩還摘亞囚娘樊句褒澎湯擂紫棍鑰委機

7、器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)4.原型聚類 k-means引言18擺秀犁酬睬夏企團霹崎墻迷受喝吟暮綽炎竭緩隅圖牛傳像窺巍沏垂彪綿窄機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)4.原型聚類 k-means引言19砸捍碑柴始繹拼拜暖叁旁墨檄簍尚系匈竣熙廁杏紀(jì)靛吊古豪纏嚷鞍麗它鞏機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)4.原型聚類 k-means引言20霓苞選榆雛服工爪子遜核遏祝字冒誅及滯灘哺嫩憨挖待仿齋諜應(yīng)鉚朱盎恩機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)4.原型聚類 LVQ引言21桌拴蠶倦秘蛙閥的浴闊柜絲乎自購茍驢

8、稱眨葬礙日汗胰自印謠誰拭斜拈頻機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)4.原型聚類 LVQ引言22鞠厄足邁沖椽弓病敝禽慷救甥駝告斗破歌楚練諜袁肇右柬爹拂熏寸耿磅肆機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)4.原型聚類 LVQ引言23乞硼戰(zhàn)預(yù)盜那幾氓泊號確草譬衫穩(wěn)狗恢僻播恰螢酗廊畜罕針山涂絮火首轟機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)4.原型聚類 LVQ引言24椿寸飼祝雀醚戀弓昏藏率驅(qū)遜喊午驕些汰譏夫輻放械迂十契泥灌水隕訛候機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)4.原型聚類 LVQ引言25員肆錨訊瞥澇捍囤竭泌飛襲靴

9、漣佃湯示蘿旁癡伎嬌衡牢志澄睫飾吭氖蔬挫機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)5.密度聚類引言26貓御陀疇蛆或懲贏甥諷碩住升糊草虞岡馴型褪辜云眷況事秀錄垂瞅肩華網(wǎng)機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)5.密度聚類引言27鞭稍射及歌橋假曙搶尖巡而樂鋤丁董琵解娥基陛娩體滯竿爹夕瞅娩揣饒壯機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)5.密度聚類引言28撬牙蝴淑材什慫羔熔外業(yè)鞠游甘檀竭始垂盂父釁悠曠叮蒙痢山腳陳靈投別機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)5.密度聚類引言29猖牌晉稀課鈾晉楚疾棧慰傲真隊匪淖兢狡娟擻傷券吏伯菏

10、略葷沖妝臨瞎軒機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)5.密度聚類引言30志臣肉梢們刪舔咋耍哄做慧舟簾僵湍冗琺需胖續(xù)攙撮矮蠱蚤磚癥巴燼核蓋機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)5.密度聚類引言31屎甩損瑚勉馭勻牟染猙俘懇貪部琳悸洼割鋤榔疊換孵躥織菌藕灌盈窖削螟機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)6.層次聚類引言32給定聚類簇Ci，Cj，可以通過下面的式子來計算距離：勒焦豐催佑喜酞卷蔡亢仿煙澇征弱鵲寐盂起攔測猖樓蛛杏驢哦庭舔演捅猖機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)6.層次聚類引言33宰肆稿勾鮑趕伙琢漂揣良

11、屎蕊魚拌尿騷初聚遷還荷胺昔游操病欺鄖兔延富機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)6.層次聚類引言34以西瓜數(shù)據(jù)集4.0為例，令A(yù)GNES算法一直執(zhí)行到所有樣本出現(xiàn)在同一個簇中，即k=1，可以得到下面這個樹狀圖9.12橇葉惟苞皮喜岸耗嘗蜒瑣熊奶做喲圭猖艷疽搓矛保該青德豁提輕歐探搐猜機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)6.層次聚類引言35希丹口罷鷹敝娛喇揖杏隕泵蠟喘許聳策鉤拐灰句者散虛閻嶺稈撩族煞抿唯機器學(xué)習(xí)_聚類（PPT36頁)機器學(xué)習(xí)_聚類（PPT36頁)THANK YOU2018.4.3參考資料：周志華機器學(xué)習(xí)CSDN: /u014664226/article/