本主题简要概述了Statistics和Machine Learning Toolbox™中可用的聚类方法。
聚类分析, 也被称为市场细分分析或分类分析,是一种常见的无监督学习方法。无监督的学习用于从包含输入数据组成的数据集的推论,而无需标记响应。例如,您可以使用群集分析进行探索性数据分析,以查找未标记数据中的隐藏模式或分组。
群集分析创建组,或簇生, 数据的。属于同一群集的对象与彼此相似,并与属于不同群集的对象不同。量化“相似”和“独特”,您可以使用不相似度量(或距离度量)特定于应用程序和数据集的域。此外,根据您的应用程序,您可能会考虑缩放(或标准化)数据中的变量,以便在群集期间给出它们的相同程度。
统计和机器学习工具箱为这些群集方法提供功能:
分层集群通过创建集群树来在不同规模上对数据进行分组系统树图。树不是单一的群集,而是一个多级层次结构,其中一个级别的群集组合以在下一个级别形成群集。此多级层次结构允许您选择最适合您应用程序的级别或比例的级别或比例。分层群集将数据中的每个点分配给群集。
使用clusterdata
在输入数据上执行分层群集。clusterdata
包含了Pdist.
那连锁
,簇
功能,您可以单独使用以进行更详细的分析。这系统树图
函数绘制集群树。有关更多信息,请参阅分层群集介绍。
K.- 梅尔斯聚类和K.-medoids群集分区数据K.相互排斥的集群。这些集群方法要求您指定集群的数量K.。两个都K.则和K.-medoids集群将数据中的每个点分配给一个集群;然而,与层次聚类不同的是,这些方法根据实际观察(而不是不同的度量)操作,并创建单个层次的聚类。因此,K.- 梅斯或者K.-Medoids聚类通常比大量数据的分层聚类更合适。
使用威彻斯
和kmedoids
来实现K.- 梅尔斯聚类和K.-MEDOIDS聚类。有关更多信息,请参阅介绍K.- 梅尔集群和K.-meptoids聚类。
DBSCAN是一种基于密度的算法,用于识别数据中任意形状的聚类和异常值(噪声)。在聚类过程中,DBSCAN识别出不属于任何聚类的点,这使得该方法在基于密度的离群点检测中非常有用。不像K.则和K.-MEDOIDS聚类,DBSCAN不需要先验知识的群集。
高斯混合模型(GMM)形成簇作为多元正常密度组分的混合物。对于给定的观察,GMM为每个分量密度(或群集)分配后验概率。后验概率表明观察结果对每个群集具有一些概率。GMM可以执行难的通过选择后验概率最大的分量作为观测分配的聚类。您还可以使用GMM执行柔软的, 或者模糊,通过将观察结果分配给多个聚类,基于对聚类的观察结果的得分或后验概率。GMM可能是一种比K.-表示集群,当集群具有不同的大小和内部不同的关联结构时。
使用Fitgmdist.
适合A.gmdistribution
反对您的数据。你也可以用gmdistribution
通过指定分布参数来创建GMM对象。当您有合适的GMM时,您可以使用簇
功能。有关更多信息,请参阅使用高斯混合模型的集群。
K.- 最终搜索找到了K.数据中最近的点到查询点或查询点集。相比之下,RADIUS搜索查找数据中的所有点在距查询点或查询点集中的指定距离内。这些方法的结果取决于距离度量你指定。
使用knnsearch.
函数来找到K.- 最邻居或者rangesearch.
函数查找与输入数据的指定距离内的所有邻居。您还可以使用训练数据集创建搜索器对象,并将对象和查询数据集传递给对象函数(knnsearch.
和rangesearch.
).有关更多信息,请参阅使用最近邻居分类。
光谱簇是一种基于图形的查找算法K.数据中任意形状的簇。该技术涉及用低维表示数据。在低维中,数据中的集群更广泛地分离,使您能够使用诸如K.- 梅斯或者K.-medoids集群。这个低维是基于拉普拉斯矩阵的特征向量。拉普拉斯矩阵是一种表示相似性图的方法,它将数据点之间的局部邻域关系建模为无向图。
使用spectralcluster
对输入数据矩阵或相似图的相似矩阵进行谱聚类。spectralcluster
需要指定集群的数量。然而,光谱聚类算法也提供了一种估计数据中聚类数量的方法。有关更多信息,请参阅利用谱聚类划分数据。
该表比较了统计学和机器学习工具箱中可用的聚类方法的特点。
方法 | 基础算法 | 算法的输入 | 需要指定数量的群集 | 确定的簇形状 | 对离群值检测有用 |
---|---|---|---|---|---|
分层群集 | 对象之间的距离 | 观察值之间的成对距离 | 没有 | 任意形状的簇,根据指定'连锁' 算法 |
没有 |
k-means聚类和K-medoids聚类 | 物体和质心之间的距离 | 实际观察 | 是的 | 具有相同对角线协方差的球簇 | 没有 |
基于密度的含噪声空间聚类应用(DBSCAN.) | 数据中的区域密度 | 实际观测值或观测值之间的成对距离 | 没有 | 任意形状的簇 | 是的 |
高斯混合模型 | 混合高斯分布 | 实际观察 | 是的 | 具有不同协方差结构的球簇簇 | 是的 |
最近的邻居 | 对象之间的距离 | 实际观察 | 没有 | 任意形状的簇 | 是的,取决于指定数量的邻居 |
光谱聚类(利用谱聚类划分数据) | 表示数据点之间连接的图表 | 实际观察或相似性矩阵 | 是的,但是算法也提供了一种估计集群数量的方法 | 任意形状的簇 | 没有 |