Hierarchical-层次聚类
用于无监督聚类与样本分组，采用层次聚类发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
算法目录
按类目、下载状态和价格筛选全部算法。
分类筛选
HDBSCAN-HDBSCAN
用于无监督聚类与样本分组，采用HDBSCAN发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
GMM-高斯混合模型
用于无监督聚类与样本分组，采用高斯混合模型发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
FCM-模糊 C 均值
用于无监督聚类与样本分组，采用模糊 C 均值发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
DBSCAN-密度聚类
用于无监督聚类与样本分组，采用密度聚类发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
BIRCH-BIRCH
用于无监督聚类与样本分组，采用BIRCH发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。
Top2Vec-主题模型
用于主题发现与文档聚类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
NMF_Topic-NMF 主题模型
用于主题发现与文档聚类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
LDA-主题模型
用于主题发现与文档聚类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
当前第 3 页，共 4 页，共 29 个算法