基础篇：数据挖掘的聚类算法和优势
比较分类算法的话，大概考虑这几个维度：时间空间复杂度，鲁棒性，参数敏感性，处理不规则形状，适合的类数量，类间差异（范围大小，样本个数，形状差异）
可以参照一下sklearn网站给出的列表：2.3. Clustering
除了这些聚类方法以外，统计老师讲过一些传统的聚类方法，归属于系统聚类的范畴，先定义观测间的距离和类之间的距离计算方法，然后按照距离把最接近的两个观测（类）合并，直到合并成一个大类为止。
最短距离法：
类间距为两类中最近观测的距离。
不限制类形状，对拉长的分布效果好，会删除边缘的观测点
最长距离法：
类间距为两类中最远观测的距离。
倾向于产生直径相等的类，易受异常值影响。
中间距离法：
类间距为最长距、最短距、类内距离的加权。
重心法：
类间距为两类重心之间的距离
对奇异值稳健
类平均法：
类间距为两类观测之间距离的平均值。
倾向于先合并方差小的类，偏向于产生方差相同的类。
离差平方和法：
将合并后类内方差最小的两类合并
倾向于产生数量相等的两类，对异常值敏感
密度估计：
较远的距离设为无穷。较近的两个样本，距离与局部密度成反比。
适用于不规则形状类，不适用样本数太少。
两阶段密度估计：
用密度估计计算距离，再用最短距离法聚类。
普适性较强
除了以上这些常见方法，值得一提的是去年发在science上的算法 fast search and find of density peaks. 这个方法克服了DBSCAN中不同类的密度差别大，邻域范围难以设定的问题，非常鲁棒，看起来棒棒的。
ps：如果希望聚的效果好，距离度量方法有时候比聚类方法更重要。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在数据分析、市场研究、用户画像构建、学术研究等场景中，我们常常会遇到多维度、多指标的数据难题：比如调研用户消费行为时，收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下，营销正从“广撒网”的经验主义，转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA（Certified Data Analyst）数据分析师的全流程工作中，无论是前期的数据探索、影响因素排查，还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中，A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段，小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中，尤其是分类数据的分析场景里，卡方检验和显著性检验是两个高频出现的概念，很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA（Certified Data Analyst）数据分析师的日常业务分析与统计建模工作中，多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时，添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具，Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建，成为数据分析师、业务人 ...
2026-03-23在CDA（Certified Data Analyst）数据分析师的日常工作与认证考核中，分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中，数据清洗是最基础、最耗时，同时也是最关键的核心环节，无论后续是做常规数据分析、可视化报表，还是开展 ...
2026-03-20在大数据与数据驱动决策的当下，“数据分析”与“数据挖掘”是高频出现的两个核心概念，也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA（Certified Data Analyst）数据分析师的全流程工作闭环中，统计制图是连接严谨统计分析与高效业务沟通的关键纽带，更是CDA ...
2026-03-20在MySQL数据库优化中，分区表是处理海量数据的核心手段——通过将大表按分区键（如时间、地域、ID范围）分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域，同比、环比增长率是分析数据变化趋势的核心指标——同比（YoY）聚焦“长期趋势”，通过当前周期与 ...
2026-03-19在数据分析与建模领域，流传着一句行业共识：“数据决定上限，特征决定下限”。对CDA（Certified Data Analyst）数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值，在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案，解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域，高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进，垃圾结果出”，这是数据分析领域的黄金法则，更是CDA（Certified Data Analyst）数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中，决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势，成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中，卡方检验是一类基于卡方分布的假设检验方法，核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
