14、机器学习中的聚类、scikit-learn 使用及特征工程

机器学习中的聚类、scikit-learn 使用及特征工程

1. 聚类算法概述

在数据探索阶段，聚类算法是非常有帮助的工具。常见的聚类算法有 k-Means、DBSCAN 和 Agglomerative Clustering。这些算法都能控制聚类的粒度，但各有特点。

1.1 聚类算法对比

算法名称	控制聚类粒度方式	特点
k-Means	直接指定所需聚类的数量	可以用聚类均值来描述聚类，也可看作一种分解方法，每个数据点由其聚类中心表示
DBSCAN	通过 eps 参数定义邻近度，间接影响聚类大小	能检测未分配到任何聚类的“噪声点”，自动确定聚类数量，允许复杂的聚类形状，但有时会产生大小差异很大的聚类
Agglomerative Clustering	直接指定所需聚类的数量	可以提供数据的完整层次划分，可通过树状图轻松检查

1.2 聚类示例代码及分析

以下是一个关于聚合聚类的代码示例：

mask = labels_a