兩步聚類算法是在SPSS Modeler中使用的一種聚類算法，是BIRCH層次聚類算法的改進(jìn)版本。可以應(yīng)用于混合屬性數(shù)據(jù)集的聚類，同時(shí)加入了自動(dòng)確定最佳簇?cái)?shù)量的機(jī)制，使得方法更加實(shí)用。本文在學(xué)習(xí)文獻(xiàn)[1]和“IBM SPSS Modeler 15 Algorithms Guide”的基礎(chǔ)上，融入了自己的理解，更詳盡地?cái)⑹鰞刹骄垲愃惴ǖ牧鞒毯图?xì)節(jié)。閱讀本文之前需要先行學(xué)習(xí)BIRCH層次聚類算法和對(duì)數(shù)似然距離。
兩步聚類算法，顧名思義分為兩個(gè)階段：
1）預(yù)聚類（pre-clustering）階段。采用了BIRCH算法中CF樹生長(zhǎng)的思想，逐個(gè)讀取數(shù)據(jù)集中數(shù)據(jù)點(diǎn)，在生成CF樹的同時(shí)，預(yù)先聚類密集區(qū)域的數(shù)據(jù)點(diǎn)，形成諸多的小的子簇（sub-cluster）。
2）聚類（clustering）階段。以預(yù)聚類階段的結(jié)果——子簇為對(duì)象，利用凝聚法（agglomerative hierarchical clustering method），逐個(gè)地合并子簇，直到期望的簇?cái)?shù)量。
兩步聚類算法的關(guān)鍵技術(shù)如圖所示：
網(wǎng)友評(píng)論
