One Forth

A03 · 第 1 章 · 课程规划页

聚类目标、K 均值与密度方法

本章研究聚类目标、K 均值与密度方法。内容依次处理K 均值目标与 Lloyd 迭代、层次聚类的链接准则与树状图、DBSCAN 邻域密度、噪声点与尺度敏感性。

所在 Part
第一编 聚类与降维
预计学习
40 分钟
建设状态
已规划，尚无正式正文

预备知识

本章没有登记站内章节先修，可按本册顺序进入。

计划实验

本章未登记独立交互实验；定义、公式和例题仍按下列提纲规划。

LEARNING OBJECTIVES

完成本章后应能

  1. 01准确说明K 均值目标与 Lloyd 迭代。
  2. 02完成层次聚类的链接准则与树状图所需的推导、证明或算法。
  3. 03使用计算、例题或反例检验DBSCAN 邻域密度、噪声点与尺度敏感性。

PLANNED SECTIONS

计划章节结构

  1. 01

    K 均值目标与 Lloyd 迭代

    界定K 均值目标与 Lloyd 迭代，明确使用的条件、主要结论与可复核步骤。

  2. 02

    层次聚类的链接准则与树状图

    推导层次聚类的链接准则与树状图，明确使用的条件、主要结论与可复核步骤。

  3. 03

    DBSCAN 邻域密度、噪声点与尺度敏感性

    检验DBSCAN 邻域密度、噪声点与尺度敏感性，明确使用的条件、主要结论与可复核步骤。

计划定义

  1. K 均值目标与 Lloyd 迭代：对象、记号与前提

    围绕K 均值目标与 Lloyd 迭代列出主要对象、符号、前提与定义边界。

计划公式

  1. 层次聚类的链接准则与树状图：关系、判据与可复核步骤

    把层次聚类的链接准则与树状图整理为可检查的关系、判据或算法步骤；涉及定量模型时写出公式，并说明符号、适用条件，以及需要时的单位或复杂度。

计划例题

  1. DBSCAN 邻域密度、噪声点与尺度敏感性：案例、反例与核验

    围绕DBSCAN 邻域密度、噪声点与尺度敏感性给出明确输入、前提或数据，逐步分析并用反例、误差、守恒量或边界条件复核。

计划练习

  1. 聚类目标、K 均值与密度方法：定义、关系与边界综合练习

    联结K 均值目标与 Lloyd 迭代、层次聚类的链接准则与树状图与DBSCAN 邻域密度、噪声点与尺度敏感性，分别检验定义辨析、主要步骤和适用边界。

关键词

聚类目标、K 均值、密度方法、第一编 聚类与降维、无监督学习与概率图模型