在 Weka 中，有一个名为 Make Density Based Clusterer 的聚类算法。在检查其属性时，它将一个聚类器作为基本聚类器（我将其视为 K-means，k=3）。它最初执行 k-means 并创建三个集群。我看到了每个集群的先验概率以及结果缓冲区中的属性正态分布均值和标准差。
计算 k-means 聚类后会发生什么？意味着什么，标准差和先验概率在这里起什么作用？为什么称为基于密度的？
在 Weka 中制作基于密度的聚类器有什么作用？
数据挖掘
机器学习
聚类
k-均值
无监督学习
威卡
2022-02-18 23:35:28
1个回答
基于这篇论文，MakeDensityBasedClusterer是一个元聚类器，它包装了一个聚类算法，使其返回一个概率分布和密度。对于每个集群和属性，它适合离散分布或对称正态分布（其最小标准差是一个参数）。
其它你可能感兴趣的问题