金融业信贷风控算法9-聚类场景之K均值聚类与K邻近聚类_kmeans 金融实例 csdn

作者：AllinToyou | 2024-04-06 12:32:21

踩

kmeans 金融实例 csdn

一. K均值聚类：物以类聚、人以群分

聚类算法是数据挖掘中的一项重要技术，其目的是使聚类后同一类的数据尽可能聚集在一起，不同的数据尽可能分离。聚类模型既有有监督的场景又有无监督的场景。经过一定的改造，还可以适用于半监督的场景。

常见的非监督式的聚类模型有：

原型聚类：原型聚类是指聚类结构能通过一组原型刻画。原型是指样本空间中具有代表性的点。通常情况下，算法先对原型进行初始化，然后对原型进行迭代更新求解。常见的算法有k-均值聚类、学习向量量化、高斯混合聚类
密度聚类：从样本的分布密度出发考虑样本间的可连接性，并基于可连接性样本不断扩展聚类簇以获得最终的聚类结果。常见的算法有DBSCAN
层次聚类：在不同层次对数据集进行划分，从而形成树型的聚类结构。常见的算法有AGNES

在聚类模型中，刻画样本间的“距离”是非常重要、也是最本质的内容。距离

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/AllinToyou/article/detail/371904