本文介绍了聚类的基本概念，包括样本相似性度量如距离、杰卡德相似度和余弦相似度，以及簇间相似性的衡量如轮廓系数。接着详细讨论了k-means和层次聚类这两种聚类方法，阐述了它们的工作原理、优缺点以及适用场景。通过对各种聚类指标的理解，有助于更好地应用聚类算法于实际问题。
概述
聚类指根据一定的准则，把一份事物按照这个准则归纳成互不重合的几份。机器学习中，聚类指按照一个标准，这个标准通常是相似性，把样本分成几份，使得相似程度高的聚在一起，相似程度低的互相分开。
聚类的方法很多，有基于分层的聚类，基于划分的聚类，基于密度的聚类。不同的方法有各自的特点，适用于不同分布的数据。有的适用于大数据集，能发现不同的任意形状的数据。有的算法简单，适用于小量数据集。众多方法中又有无监督学习，和半监督学习。
一组m * n 维数据，通过聚类分成5簇，每个样本属于哪个簇用one_hot编码表示，可以看成样本由n维降到了5维。可以把聚类看做一种降维的方法，用在数据处理阶段。
样本相似性度量
用距离表示
衡量两个向量间的相似程度，可以用两个向量间的距离表示：距离近，则相似程度高，距离远，则相似程度低。距离有不同的度量视角，不同视角的度量对应的距离可能不同，这便有可能在不同的距离角度把数据分类，不同的度量方法应用在不同的聚类方法之中：
最低0.47元/天 解锁文章
扫一扫
854
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
