機器學習(十五)——Canopy聚類

一次迭代就出結果,適用於初始的k箇中心點
在這裏插入圖片描述
參數:T1,T2
規則:

  • T2內的點和黑色點是一個類別,並且不能成爲其他類別的中心點
  • T1內T2外的小藍點和黑點是一個類別,也可以成爲其他類別的中心點
  • T1之外的點不是這個類別,可以成爲其他類別的中心點

例:現在已經有一箇中心點(就是小黑點),如果我們要選擇下一個中心點,只能從藍點和紅點中選擇,假設我們選了一個藍點作爲第二個類別的中心點,那麼像圖中一樣根據參數T1,T2畫兩個圈,根據規則可以繼續找下一個中心點…直至每一個點被分到類別裏,就停止迭代了

特點:

  • T2半徑內的點不會成爲下一個類別的中心點,意味着距離近的點不會成爲下一個類別的中心點,這樣會使得k箇中心點分佈更均勻
  • 不用指定k,停止迭代後有多少個類別就是多少個類別
  • 一個點可能同樹與兩個類別
  • 只有一次迭代

Canopy聚類只有一次迭代,所以一般不用它的結果,一般用它初始化有幾個k
在這裏插入圖片描述
上圖中有的點有幾種顏色,說明有的點同時屬於多個類別

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章