理工酷

每个聚类算法都是不同的，可能适合也可能不适合特定的应用。与其寻求最佳的聚类算法，不如专注于识别不同类型的聚类算法，这可以让我更好地了解我想尝试哪种聚类算法： 基于质心的算法：K均值、GMM、模糊c均值和任何其他使用EM寻找参数的变化。聚类数量的知识在这里很重要，它们的复杂度大多是O（N），但初始化是其中的一个问题。 基于连通性的算法：所有的分层聚类算法，其中大多数复杂度是O（N^2）或更多，但可以在任何数量的聚类中停止。 基于密度的算法：包括DBSCAN、OPTICS等。 概率：LDA等。 降维：tSNE、PCA、KPCA-->然后可视化。 神经网络/深度学习:自动编码器、自组织图。