主要内容
聚类分析
在数据中寻找自然分组和模式的无监督学习技术
聚类分析，也称为分割分析或分类分析，将样本数据划分为组，或集群．集群是这样形成的，同一集群中的对象是相似的，而不同集群中的对象是不同的。Statistics and Machine Learning Toolbox™提供了几种聚类技术和相似性度量(也称为距离度量)来创建集群。此外,集群评价使用不同的评估标准确定数据的最佳聚类数量。集群可视化选项包括树形图和轮廓图。工具箱还提供了几个异常检测识别异常值和新奇点的功能。
聚类分析基础知识
- 分层聚类
生成嵌套的集群集 - k-Means和k-Medoids聚类
通过最小化平均距离或中位数距离聚类，并计算马氏距离 - 基于密度的空间聚类在噪声中的应用
使用DBSCAN算法查找聚类和离群值 - 谱聚类
使用基于图的算法查找聚类 - 高斯混合模型
基于高斯混合模型的聚类使用期望最大化算法 - 最近的邻居
找到最近的邻居使用穷举搜索或Kd-tree搜索 - 隐马尔可夫模型
用于数据生成的马尔科夫模型 - 异常检测
发现异常值和新奇点 - 集群可视化与评估
绘制数据的聚类图，并评估聚类的最佳数量
特色的例子
你也可以从以下列表中选择一个网站:
