讨论一下：几种clustering方法的特点，区别，长处各是什么？ - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>DataSciences - 数据科学

讨论一下：几种clustering方法的特点，区别，长处各是什么？

讨论一下：几种clustering方法的特点，区别，长处各是什么？# DataSciences - 数据科学

C*52014-11-14 08:11

1 楼

女士总说我们男士好色；我看不自重的女士更多。然后就反过来说我们男士思想守旧。
自重的的男士不少，但是他们的命运不见得好。
我有一个朋友，曾经追过一个离婚女士；曾为她打开心门，请她进来。那女士也喜
欢他，但说不是爱；两个人后来是好朋友。以后2、3年来，我朋友每天想起她。不
是说有多爱，就是她会出现在他脑中。
后来另一个女的追他。在一起有一段时间了，到了结婚了，结婚前，她不得不告诉他
，她离过婚。他还是处男（虽然之前他不止一次受到其他女孩最直接的诱惑），从
心里纯洁。他很不舒服，但他很善良，很负责（哪怕没发生什么），他娶了她，并一
直生活下去。因为女方家庭问题，他们经常长时间分开，他还一个人回国办过公司，
他从来都没有背叛过妻子，内心和身体上都没有。虽然他对妻子的多疑很愤怒。
他妻子从来不跟他提她前夫后前一段婚姻的事情。
他追过的女孩，在他追他的时候，常讲他前夫的事情。讲是前夫要离婚，她很爱
前夫，也愿意回到前夫身边去。她还讲她和哥哥感情很好，经常手拉手，别人还以为
是情侣呢。她讲得坦然，我朋友听这些事情的时候，心理不吃醋，觉得他和

C*a2014-11-14 08:11

2 楼

clustering:
K-means:
hierarchical clustering:
GMM:
Spectral clustering:
讨论一下吧，基本功。

l*r2014-11-14 08:11

3 楼

这个，我看了两遍才明白
我说你这个朋友有点问题啊，为什么专门喜欢离婚女呢

旧。

【在 C*********5 的大作中提到】

: 女士总说我们男士好色；我看不自重的女士更多。然后就反过来说我们男士思想守旧。
: 自重的的男士不少，但是他们的命运不见得好。
: 我有一个朋友，曾经追过一个离婚女士；曾为她打开心门，请她进来。那女士也喜
: 欢他，但说不是爱；两个人后来是好朋友。以后2、3年来，我朋友每天想起她。不
: 是说有多爱，就是她会出现在他脑中。
: 后来另一个女的追他。在一起有一段时间了，到了结婚了，结婚前，她不得不告诉他
: ，她离过婚。他还是处男（虽然之前他不止一次受到其他女孩最直接的诱惑），从
: 心里纯洁。他很不舒服，但他很善良，很负责（哪怕没发生什么），他娶了她，并一
: 直生活下去。因为女方家庭问题，他们经常长时间分开，他还一个人回国办过公司，
: 他从来都没有背叛过妻子，内心和身体上都没有。虽然他对妻子的多疑很愤怒。

d*n2014-11-14 08:11

4 楼

基于密度的DBSCAN, MDS, 流型学习，deep learning 里的auto encoder

【在 C*******a 的大作中提到】

: clustering:
: K-means:
: hierarchical clustering:
: GMM:
: Spectral clustering:
: 讨论一下吧，基本功。

C*82014-11-14 08:11

5 楼

这和离婚女有什么关系，这是他自己的问题。

【在 l*******r 的大作中提到】

: 这个，我看了两遍才明白
: 我说你这个朋友有点问题啊，为什么专门喜欢离婚女呢
:
: 旧。

G*o2014-11-14 08:11

6 楼

K-mean: 简单，大样本，分类数目不多，每个分类的样本数差不多
hierarchical clustering: 树结构，大样本，多分类，可以限制数据点间的连接关系。
GMM: 好处：快，缺点：不稳定。
Spectral cluster: 通过映射到低维处理图像相关问题，处理比较少的类别
DBSCAN: 寻找高密度区域。大数据，适中的分类数目
manifold learning: 将数据映射到低维
想看中文的详细介绍，我在翻译scikit-learn的文档。
可以check out https://github.com/jiayiliu/scikit-learn 编译一下doc_sc 里面的
文档
希望能有朋友一起完成

C*a2014-11-14 08:11

7 楼

写的啥啊,太晦涩了

c*z2014-11-14 08:11

8 楼

赞大牛

系。

【在 G****o 的大作中提到】

: K-mean: 简单，大样本，分类数目不多，每个分类的样本数差不多
: hierarchical clustering: 树结构，大样本，多分类，可以限制数据点间的连接关系。
: GMM: 好处：快，缺点：不稳定。
: Spectral cluster: 通过映射到低维处理图像相关问题，处理比较少的类别
: DBSCAN: 寻找高密度区域。大数据，适中的分类数目
: manifold learning: 将数据映射到低维
: 想看中文的详细介绍，我在翻译scikit-learn的文档。
: 可以check out https://github.com/jiayiliu/scikit-learn 编译一下doc_sc 里面的
: 文档
: 希望能有朋友一起完成