标签：代码 DezemingFamily 算法 构建 聚类 方法

DezemingFamily系列书和小册子因为是电子书，所以可以很方便地进行修改和重新发布。如果您获得了DezemingFamily的系列书，可以从我们的网站[https://dezeming.top/]找到最新版。对书的内容建议和出现的错误欢迎在网站留言。

聚类算法已经广泛应用于多种学科，尤其是信号分析、模式识别等领域。在很多情况下，我们并不知道样本的类别，但是可以通过一些聚类方法，将样本进行划分，然后对划分好的每个类别单独进行分析。

聚类的方法有很多种，例如通过阈值进行一刀切的方法、根据离种子点的距离分类的方法等，我们可以大致区分为“很容易想到的方法”以及“不太容易想到的方法”。这些方法并不会有明显的好坏之分，对应不同的场景我们可以选择不同的方法。

为了更容易理解，聚类中的“簇（cluster）”我们一般会描述为“类”，即分类为几个“簇”。本书会介绍常用的聚类算法，并分析算法的优劣，以及给出Python代码示例。

第一版我会给出K-Means++、DBSCAN以及GMM-EM聚类算法的详细代码构建过程。
K-Means++作为最经典和基础的聚类算法，一般是一定要掌握的；DBSCAN算法因为可以对一些比较复杂的数据分布进行聚类（例如同心圆、弧线），因此也会详细介绍代码实现过程；基于期望最大化的高斯混合模型因为具有一定的理论意义，尤其是涉及概率模型，所以也进行详细的代码构建讲解。

其余算法因为功能和流程的相似性，读者对照已有代码自行构建也会比较容易；CFSFDP算法虽然比较麻烦，但伪代码描述非常详细，因此构建也不会非常困难。等日后有需要，或者根据读者反映的情况来对其他算法的代码实践部分进行补充。

本书的数据和源码会发布在DezemingFamily的网站上，需要将.pdf文件改为.zip方可解压并使用。尽管提供了源码，这里还是希望读者能够自己动手敲一遍代码，多加几个调试语句，来分析输出结果以及各个环节的数据类型和格式，这样才能更好地理解各种聚类算法。


本书内容见：聚类算法与代码实战

标签：代码,DezemingFamily,算法,构建,聚类,方法
来源： https://blog.csdn.net/tiao_god/article/details/120430655

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。