一文GET Kmeans、DBSCAN、GMM、谱聚类Spectral clustering 算法

1.Kmeans

Kmeans实现比较简单，其原理及聚类示例总结如下：

2.DBSCAN

此部分主要参考了lyhue1991/PythonAiRoad/20分钟学会DBSCAN聚类算法。
如下链接提供了很好的演示:
https://www.naftaliharris.com/blog/visualizing-dbscan-clustering/。

其聚类效果示例如下（如图，样本中存在噪声点）：

3.高斯混合模型(GMM)与EM算法的推导

具体推导过程可见李航老师《统计学习方法》9.3节。

算法实现可参考：github chenwj1989/MLSP 。
以3高斯混合分模型为例，聚类效果如下：

4.谱聚类Spectral clustering

实现过程总结如下，主要参考了A Tutorial on Spectral Clustering和刘建平Pinard cnblogs_ 谱聚类（spectral clustering）原理总结。


聚类效果示例如下：

GMM EM以及谱聚类算法的公式推导还是有点挑战性的，确实需要沉下心来仔细研读。
聚类几个算法的学习要告一段落了，感谢文中所列几份参考资料及其作者。

参考文献

1.https://www.naftaliharris.com/blog/visualizing-dbscan-clustering/
2.https://github.com/lyhue1991/PythonAiRoad/blob/master/20%E5%88%86%E9%92%9F%E5%AD%A6%E4%BC%9ADBSCAN%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95.md
3.https://github.com/chenwj1989/MLSP/tree/master/gmm
4.A Tutorial on Spectral Clustering
5.https://www.cnblogs.com/pinard/p/6221564.html