聚类算法

高斯混合模型聚类

高斯混合模型（Gaussian Mixture Model）通常简称GMM，高斯混合模型是由多个高斯分布的结合组成的概率分布模型，是一种业界广泛使用的聚类算法，该方法使用了高斯分布作为参数模型，并使用了期望最大（Expectation Maximization，简称EM）算法进行训练。

输入

• 输入一个数据集，选择需要聚类的特征列，特征列只支持数值或数值列表类型。

输出

• 输出高斯混合聚类模型。

算子参数

字段参数

计算逻辑

高斯混合模型：

使用示例

查看聚类中心。

查看聚类结果。

KMeans聚类

KMeans 聚类是一种得到最广泛使用的聚类算法，把 n 个对象分为 k 个簇，使簇内具有较高的相似度。相似度根据一个簇中对象的平均值来计算。 算法首先随机地选择 k 个对象，每个对象初始地代表了一个簇的平均值或中心。对剩余的每个对象根据其与各个簇中心的距离，将它赋给最近的簇，然后重新计算每个簇的平均值。这个过程不断重复，直到准则函数收敛。 它假设对象属性来自于空间向量，并且目标是使各个群组内部的均方误差总和最小。

输入

• 输入一个数据集，选择需要聚类的特征列，支持数值或数值列表类型。

输出

• 输出KMeans聚类。

算子参数

字段参数

使用示例

1. 构建算子结构，配置参数，完成训练。

1. 查看聚类结果。