聚类分析简介

聚类	分类
无监督模式	有监督
不高度重视训练集	高度重视训练集
目的是找出相似的数据	目的是确认数据属于哪个类别
通常不涉及预测	通常需要预测

一、简介

 聚类分析是无监督学习的一种，只需要数据，不需要标记结果，它可以把大量的观测值依据某种规则规约为若干个类，每个类内的观测值相似，每个类间的差异较大。

二、聚类分析

 聚类分析思路很简单，总的来看可以分为2个环节——距离度量和聚类算法，即选定一种方式来计算数据点之间的距离，然后选用聚类算法进行聚类分析。

1. 距离度量

 对于不同的数据类型，可选择的距离度量的方法主要有以下几种：

1.1 数值变量

 数值变量是非常常见的一种变量，像人的身高、体重等等。假设$X=(x_1,x_2,\cdots ,x_p)$, $Y=(y_1,y_2,\cdots ,y_p)$是两个数值型的观测值，可以选择以下几种方法度量它们的距离：

• Minkowski 距离：$$d(X,Y){=}^q\sqrt{|x_1-y_1{|}^q+|x_2-y_2{|}^q+\cdots +|x_p-y_p{|}^q}$$
• Euclidean 距离：是Minkowski距离$q=2$时的特例, 是常见的欧式距离 $$d(X,Y)=\sqrt{}$$