机器学习/数据挖掘面试问题——第9章 聚类

学习路线参考《机器学习》周志华

其他参考书：《机器学习实战》《数据挖掘》《百面机器学习》

还在更新ing...

1.聚类是什么？

将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个簇（类）。

2.聚类有什么性能度量指标？

外部指标：将聚类结果和某个参考模型进行比较，例如JC系数、FM指数、Rand指数

内部指标：直接考察聚类结果而不利用任何参考模型，例如DBI指数、DI指数。

3.距离度量有哪几种？

欧氏距离、曼哈顿距离、闵可夫斯基距离。

无序属性可采用VDM。

4.有哪些聚类方法？

4.1 k均值聚类

4.1.1 k均值聚类的流程是什么？

从数据集中随机选择k个样本作为初始均值向量，计算其他所有样本与k个均值向量的距离，距离哪个最近就把该样本标记为相应的簇，然后更新均值向量，直到当前均值向量不再变化或者达到迭代步数。

4.1.2 k均值算法的优缺点是什么？

缺点：

• 受初值和离群点的影响，每次的结果不稳定
• 结果通常不是全局最优而是局部最优解
• 样本只能被分到单一的类中