聚类算法的性能度量 聚类算法就是根据数据中样本与样本之间的距离或相似度，将样本划分为若干组／类／簇，其划分的原则：簇内样本相似、簇间样本不相似，聚类的结果是产生一个簇的集合。 其划分方式主要分为两种， 嵌套类型 非嵌套类型 其中簇往往分为三种情况 基于中心的簇：簇内的点和其“中心”较为相近（或相似），和其他簇的“中心”较远，这样的一组样本形成的簇 基于邻接的簇：相比其他任何簇的点，每个点都至少和所属簇的某一个点更近 基于密度的簇：簇是由高密度的区域形成的，簇之间是一些低密度的区域 簇的相似性与距离度量 若采用距离为度量 闵可夫斯基距离：当时，为欧氏距离当时，为曼哈顿距离： 这...

t-SNE(t-distributedstochasticneighborembedding)是用于降维的一种机器学习算法，是由LaurensvanderMaaten和GeoffreyHinton在08年提出来。此外，t-SNE是一种非线性降维算法，非常适用于高维数据降维到2维或者3维，进行可视化。 t-SNE是由SNE(StochasticNeighborEmbedding,SNE;HintonandRoweis,2002)发展而来。我们先介绍SNE的基本原理，之后再扩展到t-SNE。最后再看一下t-SNE的实现以及一些优化。 1.SNE 1.1基本原理 SNE是通过仿射(affiniti...