大數(shù)據(jù)開發(fā)中常見的聚類算法有哪些

小編給大家分享一下大數(shù)據(jù)開發(fā)中常見的聚類算法有哪些，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

(1) 首先我們選擇一些類/組，并隨機(jī)初始化它們各自的中心點(diǎn)。中心點(diǎn)是與每個(gè)數(shù)據(jù)點(diǎn)向量長(zhǎng)度相同的位置。這需要我們提前預(yù)知類的數(shù)量(即中心點(diǎn)的數(shù)量)。 

(2) 計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到中心點(diǎn)的距離，數(shù)據(jù)點(diǎn)距離哪個(gè)中心點(diǎn)最近就劃分到哪一類中。 

(3) 計(jì)算每一類中中心點(diǎn)作為新的中心點(diǎn)。 

(4) 重復(fù)以上步驟，直到每一類中心在每次迭代后變化不大為止。也可以多次隨機(jī)初始化中心點(diǎn)，然后選擇運(yùn)行結(jié)果最好的一個(gè)。 

下圖演示了K-Means進(jìn)行分類的過程：

優(yōu)點(diǎn)： 

速度快，計(jì)算簡(jiǎn)便 

缺點(diǎn)： 

我們必須提前知道數(shù)據(jù)有多少類/組。 

K-Medians是K-Means的一種變體，是用數(shù)據(jù)集的中位數(shù)而不是均值來計(jì)算數(shù)據(jù)的中心點(diǎn)。 

K-Medians的優(yōu)勢(shì)是使用中位數(shù)來計(jì)算中心點(diǎn)不受異常值的影響；缺點(diǎn)是計(jì)算中位數(shù)時(shí)需要對(duì)數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行排序，速度相對(duì)于K-Means較慢。

2. 均值漂移聚類

3. 基于密度的聚類方法(DBSCAN)

4. 用高斯混合模型（GMM）的最大期望（EM）聚類

5. 凝聚層次聚類

6. 圖團(tuán)體檢測(cè)(Graph Community Detection)

其他的算法可以查看：

https://blog.csdn.net/Katherine_hsr/article/details/79382249

1、導(dǎo)入數(shù)據(jù)

2、計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到中心點(diǎn)的距離

3、對(duì)數(shù)據(jù)點(diǎn)分組

4、迭代收斂和更新質(zhì)心

結(jié)果圖展示：

相似的代碼和演示的數(shù)據(jù)都上傳到了網(wǎng)盤，大家可以去下載、嘗試和應(yīng)用到自己的項(xiàng)目中。

以上是“大數(shù)據(jù)開發(fā)中常見的聚類算法有哪些”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！