<演算法圖鑑>心得筆記-第六章

前言

閱讀學習後紀錄下來，以增加自己的記憶及分享學習心得。

演算法圖鑑

何謂分群

對所有數據進行分類組合的操作，將相似的數據歸類在一起，這些個別的組稱作為「群集」 （Cluster）。通常以「距離」作為分類的依據，相對距離愈近，相似程度愈高。

Clustering

補充：
即使定義了數據間的距離，還是有各種分群的方法。可以依造設定的群集數量、群集內數據數量或是群集內各數據間距···等等之類的。

ｋ－ｍｅａｎｓ 演算法

分群演算法的一種。事先決定群集個數來分組。

K-Means Clustering

補充：
ｋ－ｍｅａｎｓ 演算法需先決定群集個數，設定個數不洽當的話，可能無法得到有意義的結果。即使群集個數相同，根據隨機設定的最初中心點位置不同，而得到不同的分群結果。
分群演算法有很多種，最著名的為「階層式分群法」（hierarchical clustering），與ｋ－ｍｅａｎｓ 演算法不同之處在於，一開始不需設定群集個數。也因為合併群集操作的定義方式衍生了「最短距離法」、「最長距離法」、「群平均法」···等各種演算法。

<演算法圖鑑>心得筆記

<演算法圖鑑>心得筆記－序章

<演算法圖鑑>心得筆記－第一章

<演算法圖鑑>心得筆記－第二章

<演算法圖鑑>心得筆記－第三章

<演算法圖鑑>心得筆記－第四章

<演算法圖鑑>心得筆記－第五章

<演算法圖鑑>心得筆記-第七章