正在加载中...
查看算法原理、公式、操作流程和结果说明。
主成分分析（Principal Component Analysis, PCA）是一种通过线性变换实现信息压缩与结构提取的多变量统计方法。其核心思想是在尽可能保留原始信息的前提下，将多个相关指标重构为少数互不相关的综合变量，并以此完成降维、排序和解释分析。在多指标评价场景中，P…
集成多种聚类与降维方法，用于发现样本分组结构、压缩高维特征并辅助可视化，适合探索性分析和建模前处理。
LDA-主题模型 模块的真实实现位于 core/ldacalculator.py。该模块不是自写 Gibbs 采样器，而是先用 CountVectorizer 构造文档-词项矩阵，再调用 sklearn.decomposition.LatentDirichletAllocati…
NMFTopic-NMF 主题模型 的真实实现位于 core/nmfrunner.py 与 core/textprep.py。该模块的核心不是概率主题模型，而是：
这个目录虽然命名为 Top2Vec-主题模型，但真实核心实现并不是官方 top2vec 包。项目里的主流程写在：
BIRCH（Balanced Iterative Reducing and Clustering using Hierarchies）原本是一类基于聚类特征（Clustering Feature, CF）树的层次聚类方法，适用于大规模数据的逐步压缩与聚类分析。本项目中的 BIR…
DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一种典型的基于密度的聚类方法，其基本思想是：在给定邻域半径与最小样本数阈值的条件下，将高密度区域扩展为聚类，并将无法归入任何高密度区域的样本识…
FCM（Fuzzy C-Means）是一类典型的模糊聚类方法。与 K-Means 等硬划分算法不同，FCM 不直接把每个样本唯一分配到某一个簇，而是为每个样本分配对所有簇的隶属度，从而更适合处理簇间边界模糊、样本过渡性较强的数据结构。
高斯混合模型（Gaussian Mixture Model, GMM）是一类典型的概率式软聚类方法。它假定样本总体由若干个高斯分布成分混合生成，每个样本同时对多个成分具有不同的后验归属概率，因此比 K-Means 这类硬划分方法更适合描述椭球状簇结构和簇间边界不清晰的数据。
HDBSCAN（Hierarchical Density-Based Spatial Clustering of Applications with Noise）可以看作 DBSCAN 的层次化扩展。它不再依赖单一固定密度阈值，而是通过互可达距离构造层次聚类结构，再从层次树中选…
层次聚类（Hierarchical Clustering）是一类通过递归合并或递归拆分来构建簇层次结构的聚类方法。与 K-Means、GMM 等“先设定簇结构再优化”的方法不同，层次聚类会先生成完整的树状层次关系，然后再按照目标簇数或距离阈值进行切割，因此特别适合用于观察样本之…
ISODATA（Iterative Self-Organizing Data Analysis Technique）通常被理解为一种在 K-Means 基础上引入簇分裂与簇合并机制的自适应聚类方法。与固定簇数的传统 K-Means 不同，ISODATA 会在迭代过程中根据簇内离…
Isomap（Isometric Mapping）是一类典型的非线性流形降维方法。它的基本思想不是直接在原始高维欧氏距离上做线性投影，而是先在样本邻域图上估计测地距离，再对测地距离矩阵执行经典多维尺度分析（Classical MDS），从而在低维空间中尽可能保持流形上的几何结构。
K-Means 是最常用的原型聚类方法之一，其核心思想是：给定簇数 K，通过迭代地执行“样本归属分配”和“簇中心更新”，使簇内平方和最小。与 DBSCAN、HDBSCAN 等基于密度的方法不同，K-Means 需要用户预先给定聚类数，更适合发现近似球状、规模相对均衡的簇结构。
K-Medoids 是一类与 K-Means 密切相关的划分式聚类方法。二者都需要预先给定聚类数 K，也都通过“样本分配 + 中心更新”的方式迭代优化；但 K-Medoids 的中心不是簇均值，而是簇内某个真实样本点（medoid，中心点）。因此，当数据中存在异常值或距离度量不…
核主成分分析（Kernel PCA, KPCA）是在 PCA 基础上引入核技巧得到的非线性降维方法。它的核心思想是：先通过核函数把样本隐式映射到高维特征空间，再在该特征空间中执行类似 PCA 的特征分解，从而提取能够刻画非线性结构的低维表示。
局部线性嵌入（Locally Linear Embedding, LLE）是一类经典的流形学习方法。它的核心思想是：高维样本虽然整体分布可能是非线性的，但在每个样本的局部邻域内往往仍近似服从线性结构。LLE 先在原空间中用邻域重构权重刻画这种局部线性关系，再在低维空间中尽量保持…
多维尺度分析（Multi-Dimensional Scaling, MDS）是一类根据样本之间的相似性或距离关系来构造低维表示的方法。其目标不是直接对原始特征做线性投影，而是在低维空间中寻找一组坐标，使低维空间中的样本间距离尽可能逼近原始空间中的距离关系。
Mean Shift 是一种典型的基于密度峰值搜索的聚类方法。它不要求用户预先指定聚类数，而是通过在特征空间中不断把样本向局部密度更高的位置平移，最终收敛到若干密度峰，并以这些峰作为簇中心。
非负矩阵分解（Non-negative Matrix Factorization, NMF）是一类把非负数据矩阵分解为两个低秩非负矩阵乘积的方法。与 PCA、SVD 等允许正负抵消的分解不同，NMF 在分解过程中要求各因子均保持非负，因此往往更容易得到“部分加和式”的可解释结果…
适合连续阅读，作为本站在线教程的补充入口。