世界经理人网站手机版/上海app网络推广公司
这节主要讲述的是谱聚类算法(Spectral Clustering)，首先讲述了两种不同的聚类思路，一种就是聚合型聚类(Compactness)，另一种是连通性聚类(Connectivity)算法。聚合性聚类更多的考虑是所有样本之间都是一视同仁的，根据特征的相似度来聚类。连通性聚类更多的考虑的是数据之间的分布结构，不同的数据之间可以有关系也可以没有关系，这样便于人们引入对数据的侧重点的分析，有点条件独立的意思在里面。而连通性聚类(Connectivity)算法需要借助图结构来实现。我们介绍了谱聚类算法的目标函数，然后对目标函数进行了优化，为了计算的方便，又描述了目标函数的矩阵表达形式(在这个部分，我觉得老师讲的有点快，我详细的补充了一下自己的思考过程)。
本章节主要内容如下所示：
- 什么是谱聚类算法，谱聚类算法的背景，为什么要有谱聚类算法；
- 谱聚类算法的目标函数表达形式，以及目标函数优化过程；
- 目标函数的矩阵化表达过程。
主要点击一下图片，放大以后会清晰很多。如果有需要PDF原件的同学，可以在评论区留下你们的邮箱(全部写完后，我会整理好放在GitHub上，目前GitHub被标记了，我在申请取标，有点尴尬)。有不正确的地方，也欢迎各位同学批评指正！本系列，主要在于整理完善白板推导系列课程的内容，一些模糊的地方我也做出了补充，并在一些地方提出了我自己的思考，希望给小伙伴们带来帮助。
参考资料：
轻狂书生：[机器学习基础 13]白板推导 高斯混合模型
Clyce：【其实贼简单】拉普拉斯算子和拉普拉斯矩阵
机器学习-白板推导系列(二十二)-谱聚类（Spectral Clustering）_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili
