7,129
个编辑
更改
跳到导航
跳到搜索
第8行：
第8行： − + − − 补充：此处翻译编辑视图内有显示阅读视图中无。
无编辑摘要
* '''分裂聚类 Divisive''': 这是一种“自上而下”的方法：所有的被观察数据都从一个簇类集群中开始，当一个簇类向下移动时，整个观察组数据群会递归地执行分割。
* '''分裂聚类 Divisive''': 这是一种“自上而下”的方法：所有的被观察数据都从一个簇类集群中开始，当一个簇类向下移动时，整个观察组数据群会递归地执行分割。
In general, the merges and splits are determined in a [[greedy algorithm|greedy]] manner. The results of hierarchical clustering<ref>{{cite book | author=Frank Nielsen | title=Introduction to HPC with MPI for Data Science | year=2016 | publisher=Springer |
In general, the merges and splits are determined in a [[greedy algorithm|greedy]] manner. The results of hierarchical clustering[2] are usually presented in a dendrogram.
一般来说，合并和分裂是以使用者希望的方式决定的。而层次聚类的结果 <ref>{{cite book | author=Frank Nielsen | title=Introduction to HPC with MPI for Data Science | year=2016 | publisher=Springer |chapter=Chapter 8: Hierarchical Clustering | url=https://www.springer.com/gp/book/9783319219028 |chapter-url=https://www.researchgate.net/publication/314700681 }}</ref> 通常在树状图中呈现。
一般来说，合并和分裂是以使用者希望的方式决定的。而层次聚类的结果 <ref>{{cite book | author=Frank Nielsen | title=Introduction to HPC with MPI for Data Science | year=2016 | publisher=Springer |chapter=Chapter 8: Hierarchical Clustering | url=https://www.springer.com/gp/book/9783319219028 |chapter-url=https://www.researchgate.net/publication/314700681 }}</ref> 通常在树状图中呈现。