两步聚类方法的特点

2021年6月13日17:15:20两步聚类方法的特点已关闭评论

两步聚类方法是设计用来分析大型数据集的算法。

这个算法会用标准方法将不同的观察结果分组到不同的集群之中。这个过程会使用一个凝聚的层次聚类方法。

目前主要应用在数据挖掘和多元数据统计的交叉领域—模式分类中,其算法适合任何尺度的变量。

两步聚类分析主要利用距离度量,假设聚类模型的变量均为自变量,假设自变量中连续性变量为正态分布,分类变量是多项式。

该过程主要有以下几个特点:

分类变量和连续变量均可以参与两步聚类分析;

该过程可以自动确定分类数;

可以高效率地分析大数据集;

用户可以自己定制用于运算的内存容量。

  • 版权声明:本篇文章(包括图片)来自网络,由程序自动采集,著作权(版权)归原作者所有,如有侵权联系我们删除,联系方式(QQ:452038415)。