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。
软件下载目录
选择算法后，再查看当前可用的下载方式。
分类筛选
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。
ISODATA-ISODATA
用于无监督聚类与样本分组，采用ISODATA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。
Isomap-Isomap
用于降维与低维表示，采用Isomap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。
KMeans-K-均值聚类
用于无监督聚类与样本分组，采用K-均值聚类发现数据结构、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。
KMedoids-K-中心点
用于无监督聚类与样本分组，采用K-中心点发现数据结构、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。
KPCA-核主成分
用于降维与低维表示，采用核主成分发现数据结构、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。
LLE-局部线性嵌入
用于降维与低维表示，采用局部线性嵌入发现数据结构、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。
MDS-多维尺度
用于降维与低维表示，采用多维尺度发现数据结构、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。
当前第 2 页，共 4 页，共 29 个算法