先收藏下谴轮，數(shù)學(xué)不好的我飒筑，還要再看看
image
譜聚類（spectral clustering）是廣泛使用的聚類算法咏雌，比起傳統(tǒng)的K-Means算法，譜聚類對數(shù)據(jù)分布的適應(yīng)性更強(qiáng)悉稠，聚類效果也很優(yōu)秀宫蛆，同時聚類的計算量也小很多，更加難能可貴的是實現(xiàn)起來也不復(fù)雜的猛。在處理實際的聚類問題時耀盗，個人認(rèn)為譜聚類是應(yīng)該首先考慮的幾種算法之一。下面我們就對譜聚類的算法原理做一個總結(jié)卦尊。
譜聚類概述
譜聚類是從圖論中演化出來的算法叛拷，后來在聚類中得到了廣泛的應(yīng)用。它的主要思想是把所有的數(shù)據(jù)看做空間中的點岂却，這些點之間可以用邊連接起來忿薇。距離較遠(yuǎn)的兩個點之間的邊權(quán)重值較低，而距離較近的兩個點之間的邊權(quán)重值較高躏哩，通過對所有數(shù)據(jù)點組成的圖進(jìn)行切圖署浩，讓切圖后不同的子圖間邊權(quán)重和盡可能的低，而子圖內(nèi)的邊權(quán)重和盡可能的高扫尺，從而達(dá)到聚類的目的筋栋。
乍一看，這個算法原理的確簡單正驻，但是要完全理解這個算法的話二汛，需要對圖論中的無向圖，線性代數(shù)和矩陣分析都有一定的了解拨拓。下面我們就從這些需要的基礎(chǔ)知識開始肴颊，一步步學(xué)習(xí)譜聚類。
方法流程
image
