以下属于聚类算法的是：

[不定项选择题]

以下属于聚类算法的是：

```
K均值
```
```
DBSCAN
```
```
Apriori
```
```
朴素贝叶斯
```

查看答案及解析

喵星人拯救地球

K-means算法原理： (1) 随机选取k个中心点； (2) 在第j次迭代中，对于每个样本点，选取最近的中心点，归为该类； (3) 更新中心点为每类的均值； (4) j&amp;amp;amp;amp;amp;amp;amp;lt;-j+1 ,重复(2)(3)迭代更新，直至误差小到某个值或者到达一定的迭代步数，误差不变。空间复杂度o(N)，时间复杂度o(I*K*N)，其中N为样本点个数，K为中心点个数，I为迭代次数。——————————————————DBSCAN是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。具体算法描述如下：（1）检测数据库中尚未检查过的对象p，如果p未被处理(归为某个簇或者标记为噪声)，则检查其邻域，若包含的对象数不小于minPts，建立新簇C，将其中的所有点加入候选集N；（2）对候选集N 中所有尚未被处理的对象q，检查其邻域，若至少包含minPts个对象，则将这些对象加入N；如果q 未归入任何一个簇，则将q 加入C；（3）重复步骤2)，继续检查N 中未处理的对象，当前候选集N为空；（4）重复步骤1)~3)，直到所有对象都归入了某个簇或标记为噪声。————————————————————Apriori算法是经典的挖掘频繁项集和关联规则的数据挖掘算法。该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。——————————————————————朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。最为广泛的两种分类模型是决策树模型和朴素贝叶斯模型。计算流程： (1) x={a1,a2,....,am}x={a1,a2,....,am}为待分类项，每个a为x的一个特征属性 (2)有类别集合C={y1,y2,...,yn} (3)计算P(y1|x),P(y2|x),...,P(yn|x) (4)如果P(yk|x)=max{P(y1|x),P(y2|x),...,P(yn|x)}

编辑于 2019-01-15 18:46:35 回复(1)