Kmeans模型

原理：K-means 是一種無監督學習算法，用於將數據點分成 K 個簇。它通過迭代地將數據點分配到最近的簇中心，然後更新簇中心來最小化簇內的距離。
超參數：K（簇的數量）。
使用時機：當數據集具有明顯的簇結構時，K-means 是一個有效的選擇。
下圖展示了 K-means 的工作原理，2個特徵的資料指定n_clusters為3簇：


優點：簡單易用，計算效率高，適用於大型數據集。
缺點：需要預先指定 K 的值，對初始簇中心敏感，對噪聲和異常值敏感。
注意事項：K-means 假設簇是凸形的，並且簇的大小和密度相似，因此在處理非凸形或大小差異較大的簇時可能效果不佳。

應用：K-means 可用於市場細分、圖像壓縮、社交網絡分析等。在藥物研發中，K-means 可用於分析化合物的結構特徵，從而幫助識別潛在的藥物候選者。
評估：K-means 的性能通常通過輪廓係數（Silhouette Coefficient）或 Davies-Bouldin 指數來評估，這些指標衡量簇的緊密度和分離度。
使用時要指定k的數量，這可以通過繪製肘部圖（Elbow Method）來確定最佳的 K 值。

DBSCAN模型

原理：DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一種基於密度的聚類算法。它通過尋找高密度區域來識別簇，並將低密度區域視為噪聲。
超參數：eps（鄰域半徑）和 min_samples（形成簇所需的最小樣本數）。
應用：DBSCAN 可用於地理數據分析、異常檢測、圖像分割等。同Kmeans在藥物研發中，DBSCAN 可用於分析化合物的結構特徵，從而幫助識別潛在的藥物候選者。
評估：DBSCAN 的性能通常通過輪廓係數（Silhouette Coefficient）或 Davies-Bouldin 指數來評估，這些指標衡量簇的緊密度和分離度。
使用時要找出最佳的eps和min_samples參數，這可以通過繪製 K-dist 圖來實現。
下圖展示了 DBSCAN 的工作原理，2個特徵的資料指定eps為0.2：

SelfTrainingClassifier

原理：SelfTrainingClassifier 是一種半監督學習方法，它首先使用標記數據訓練一個初始模型，然後使用該模型對未標記數據進行預測，並將高置信度的預測結果作為新的標記數據進行再訓練。
應用：SelfTrainingClassifier 可用於文本分類、圖像分類等任務，特別是在標記數據稀缺的情況下。

LabelSpreading

原理：LabelSpreading 是一種基於圖的半監督學習方法，它通過構建一個圖來表示數據點之間的關係，然後在圖上進行標籤傳播。
應用：LabelSpreading 可用於文本分類、圖像分類等任務，特別是在標記數據稀缺的情況下。 可先使用SelfTrainingClassifier再使用LabelSpreading進行標籤傳播，這樣可以更好地利用未標記數據。