分组算法有哪些

这是一个关于分组算法有哪些的思维导图，讲述了分组算法有哪些的相关故事，如果你对分组算法有哪些的故事感兴趣，欢迎对该思维导图收藏和点赞~

分组算法有哪些

• 基于相似性的分组算法
  • 基于距离的分组算法
    • 最短距离法
      • 通过计算样本之间的距离，将距离最近的样本归为一组。
      • 可以使用欧氏距离、曼哈顿距离或闵可夫斯基距离等来度量样本之间的距离。
    • 最长距离法
      • 与最短距离法相反，将距离最远的样本划分为不同的组。
      • 可以在数据给定范围内选择最远的样本对作为判断依据。
    • 平均距离法
      • 计算所有样本之间的距离平均值，并将与平均值最近的样本归为一组。
      • 可以使用算术平均距离或重心平均距离来计算。
    • 中心距离法
      • 将每个组的中心作为参考点，计算样本到中心的距离，并选择最近的中心将样本归为一组。
      • 常用的中心距离包括欧氏距离、曼哈顿距离和马氏距离等。
  • 基于密度的分组算法
    • DBSCAN算法
      • 基于样本密度的聚类算法，将样本点分为核心对象、边界对象和噪声对象。
      • 利用核心对象的邻域密度来构建簇，并将邻域密度满足条件的样本点归为同一簇。
      • 可以有效处理具有任意形状和大小的簇，并且对噪声数据具有鲁棒性。
    • OPTICS算法
      • 全称为Ordering Points To Identify the Clustering Structure。
      • 通过计算样本点的核心距离和可达距离来构建样本之间的排序关系，并以此来判断簇的存在。
      • 在密度变化较大的区域，能够自适应地调整聚类的参数。
    • 总结
      • 基于相似性的分组算法通过计算样本之间的距离或密度来进行分组。
      • 不同的方法适用于不同的数据类型和问题场景。
      • 在选择分组算法时，需要根据特定任务的需求进行权衡和选择。