Clustering-algoritmen

Hier volgt een korte introductie van enkele belangrijke clustering-algoritmen. Op deze algoritmen ligt de focus in deze cursus:

Python-bibliotheken voor clustering

Bij het werken met clustering in Python worden vaak de volgende bibliotheken gebruikt:

• Scikit-learn: een uitgebreide machine learning-bibliotheek. Scikit-learn biedt implementaties van veel clustering-algoritmen, waaronder K-means, Hiërarchische Clustering, DBSCAN en GMM's, evenals tools voor datapreprocessing, evaluatiemaatstaven en meer;
• SciPy: een bibliotheek voor wetenschappelijke en technische berekeningen. SciPy bevat functies voor hiërarchische clustering, afstandsberekeningen en andere hulpmiddelen die nuttig kunnen zijn bij clusteringtaken.

Daarnaast zijn er verschillende hulpbibliotheken die van pas komen, zoals NumPy (voor numerieke bewerkingen), Pandas (voor het laden en preprocessen van data), Matplotlib en Seaborn (voor het visualiseren van data en clusteringresultaten). Hoewel deze geen clusteringbibliotheken zijn, ondersteunen ze de algemene workflow.