机器学习——Canopy算法

原理：先设置两个先验值r1，r2，我把他们理解为内圈外圈，大家可以跟我学。将所有样本放入一个列表，随机选一个样本拿出来作为第一个簇的簇中心点，然后从列表中剩下的所有样本中随机抽取一个,，计算其与簇中心点的距离。

　　如果大于外圈r1，则不属于此簇，而是拿出去单独成为一簇，并作为簇中心点，从列表中删除此样本

　　如果大于内圈r2，且小于外圈r1，则属于此簇，放入簇中。

　　如果小于内圈r2，哎呀，了不得呀！这家伙和簇中心点很是亲近呐，这么亲近，当然要更新一下簇中心点以示尊敬了。把这个点和簇中心点相加取均值作为此簇新的簇中心点。从列表中删除此样本

　　直到列表中没有样本为止

Canopy算法得到的最终结果的值，聚簇之间是可能存在重叠的，但是不会

存在某个对象不属于任何聚簇的

应用场景：

标签：机器,内圈,r2,样本,列表,算法,中心点,Canopy,r1
来源： https://www.cnblogs.com/qianchaomoon/p/12129165.html