zhuanlan.zhihu.com
常用聚类算法 - 知乎
一、什么是聚类1.1 聚类的定义 聚类 (Clustering)是按照某个特定标准 (如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。 也…
clustering 算法
Searching…
Web results
developers.google.com
聚类算法 | Machine Learning | Google for Developers
机器学习数据集可能包含数百万个示例，但并非所有聚类算法都能高效扩展。 许多聚类算法会计算所有示例对之间的相似性，这意味着它们的运行时间会随着示例数量的平方（在复杂性表示法中用 n 表示）而增加。
www.cnblogs.com
实用指南：聚类（Clustering）详解：让机器自己发现数据结构 - jzssua...
Dec 1, 2025 · 在数据科学和机器学习的众多任务中， 聚类（Clustering） 让算法就是是最具探索性的一类。 与分类不同，聚类不依赖人工标注的资料，而 自主地从资料中发现规律和分组。 本文将平台介绍聚类的核心思想、常见算法、优缺点及应用场景。
blog.csdn.net
机器学习 | 聚类Clustering 算法_clustering algorithm-CSDN博客
Dec 20, 2023 · 对簇的不同定义可以得到不同的算法 主要聚类方法 聚类步骤 数据准备：特征的标准化和降维 特征选择：最有效特征，并将其存储在向量当中 特征提取：特征转换，通过对选择的特征进行一些转换，形成更突出的特征 聚类：基于某种距离做相似度度量，得到簇
www.runoob.com
无监督学习 – 聚类 | 菜鸟教程
算法的任务是自行从数据中找出模式、结构或关系。 聚类就是其中最核心的技术之一。 聚类的核心思想：将数据集中的样本划分成若干个 互不相交 的子集（称为簇或类），使得同一个簇内的样本彼此 相似，而不同簇中的样本彼此 不相似。
cloud.tencent.com
Video — click to view
Nov 28, 2023 · 十大聚类算法包括K-means、层次聚类、DBSCAN、谱聚类、高斯混合模型等，各有特点。 K-means简单高效，适合大数据；DBSCAN识别任意形状簇，抗噪强；谱聚类适合复杂形状；GMM提供概率信息。 不同算法适用于不同场景，选择需考虑数据特性和需求。
www.coonote.com
六种常见聚类算法-菜鸟笔记 - coonote.com
当我们做聚类任务的时候，可以根据距离最近原则，将样本聚类到距离其最近的聚类中心，如k-means算法，或者将样本聚类到距离某个簇边缘最近的簇，如DBSCAN算法，而GMM是假设样本每个类的特征分布遵循高斯分布，即整个数据集可由不同参数的高斯分布线性组合来描述，GMM算法可以计算出每个样本属于各个簇的概率值并将其聚类到概率值最大的簇。
zhuanlan.zhihu.com
超详细！聚类算法总结及对比！ - 知乎
它从数据点（或称为观测值）的集合开始，然后将这些点视为初始的簇。 接着，算法逐步合并这些簇，直到满足某个停止条件，如达到预设的簇数量或达到某个特定的簇大小。 在这个过程中，算法通过计算簇之间的距离来确定哪些簇应该被合并。
jishuzhan.net
聚类（Clustering）详解：让机器自己发现数据结构 - 技术栈
Nov 5, 2025 · 在数据科学和机器学习的众多任务中，聚类（Clustering） 是最具探索性的一类。 与分类不同，聚类不依赖人工标注的数据，而是让算法自主地从数据中发现规律和分组。 本文将系统介绍聚类的核心思想、常见算法、优缺点及应用场景。
developers.google.com
Clustering algorithms | Machine Learning | Google for Developers
Aug 25, 2025 · Many clusteringalgorithms compute the similarity between all pairs of examples, which means their runtime increases as the square of the number of examples n, denoted as O (n 2) in complexity...