页面树结构

版本比较

标识

  • 该行被添加。
  • 该行被删除。
  • 格式已经改变。

概述

高斯混合模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,它是一个将事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。高斯混合模型与K均值聚类不同,K均值是考虑每个数据点到某个类簇中心点的距离,而高斯混合模型是考虑数据点被分配到每个类簇的概率。

高斯混合模型适用于聚类问题中各个类别的尺寸不同,聚类间有相关关系的情况。

面板
borderColor#BBBBBB
bgColor#F0F0F0
borderWidth1
borderStylesolid

目录

示例

使用“航空公司客户价值分析”案例数据,分析客户为高价值客户、一般客户、低价值客户。

 

高斯混合模型参数如下:

参数名称

说明

归一化

正则化

详情请参考 归一化 介绍说明。

标准化

最小最大值归一化

最大绝对值归一化

K值

取值范围是:>=2的整数,默认值为2

期待将数据聚类的数目;

收敛阈值

参数范围为:>=0的数,默认值为 :0.000001。

收敛误差值;当各类的聚类平方和小于收敛阈值时则停止迭代;

迭代次数

参数范围:>=0的正整数,默认值为20。

算法的最大迭代次数,达到最大迭代次数即退出。

最大迭代次数的值越大,模型训练更充分,但会耗费更多时间。