Tag: clustering-algorithms
-
【AI 核心深度 M2-056】如何评估聚类质量（无标签）？内部与外部指标各有哪些。（Detail Unsupervised Clustering Evaluation: Internal Metrics vs. External Ground-Truth Metrics）深度数理推导与工程落地解析
内部：轮廓系数、DB 指数、CH 指数；外部（有标签）：ARI、NMI、纯度。
-
【AI 核心深度 M2-052】描述 K-means 算法，说明它的目标函数与收敛性。（Formulate the K-Means Algorithm, Coordinate Descent Objective, and Convergence Guarantees）深度数理推导与工程落地解析
交替’分配最近中心’与’更新中心为均值’，单调下降目标直至收敛到局部最优。
-
【AI 核心深度 M2-053】如何选择聚类数 K？列出主要方法。（Detail Methodologies for Selecting the Optimal Number of Clusters K in Unsupervised Learning）深度数理推导与工程落地解析
肘部法、轮廓系数、Gap 统计量、BIC/AIC（模型法）、业务可解释性。
-
【AI 核心深度 M2-054】比较 K-means、GMM（EM）与 DBSCAN。（Compare K-Means, Gaussian Mixture Models (GMM), and DBSCAN Across Assumptions, Geometry, and Complexity）深度数理推导与工程落地解析
K-means 硬分配+球形；GMM 软分配+椭圆+概率模型；DBSCAN 密度聚类，可发现任意形状与噪声。