什么是减法聚类 减法式聚类概述

1、什么是减法聚类

减法聚类是一种无监督学习方法，它通过将相似的数据聚集在一起来形成簇，并且不需要先验知识。聚类算法将数据分组成类似的数据簇，通过簇的相似性来表示数据的聚合程度。在减法聚类中，聚类过程中的每一步都会将这种相似性减小，因此称为减法聚类。

2、减法聚类的算法流程

减法聚类的算法流程可以概括为以下步骤：

1）选择样本集：从样本库中随机选取一部分数据作为样本集；

2）计算初始簇中心：通过随机选取的样本中心作为初始簇中心；

3）计算样本之间的距离：通过欧几里得距离或余弦相似性计算每个样本之间的距离；

4）计算簇间距离：计算每个样本与簇中心的距离，并将距离最小的样本与之对应的簇合并成新的簇；

5）计算新的簇中心：将新形成的簇进行更新簇中心；

6）重复计算，直到达到一定的停止条件。

3、减法聚类与其他聚类方法的比较

相比于其他聚类方法，减法聚类具有以下特点：

1）减法聚类不需要事先设定群集的数量，而其它聚类算法则需要事先设定好群集数量；

2）在自然簇为凸的情况下，减法聚类检测自然簇的能力要比k-means等传统聚类算法更强；

3）减法聚类的运行时间随着样本的增加而呈现线性增长，而k-means对样本规模非常敏感。

4、减法聚类的应用场景

减法聚类被广泛应用于数据挖掘、图像处理、自然语言处理等领域。例如，可以用于天文数据分类、市场细分、行为识别、图像相似性比较等。