微软 Azure AI-900 认证指南（十七）聚类

聚类

在机器学习和人工智能的广阔领域，聚类分析（Clustering）作为一种无监督学习方法，发挥着重要作用。对于想要通过Azure基础认证（AI-900）考试的考生来说，理解聚类算法的基本原理、不同类型的聚类方法、常见应用场景以及如何进行模型评估，至关重要。本篇文章将全面解读AI聚类算法，从K-means到层次聚类，帮助你掌握这一关键知识点，并有效应用于实际问题中。

聚类分析的基础概念

什么是聚类分析？

聚类分析（Clustering）是将数据集中的数据点按照某种相似度标准，分组为不同类别的过程。每一组被称为“簇”（Cluster），簇内的数据点相似度较高，而簇与簇之间则相似度较低。聚类是一种无监督学习方法，意味着它不需要标记数据作为训练集，而是依据数据的内在结构进行分类。

无监督学习与聚类

无监督学习是机器学习中的一种学习方式，在这种学习中，模型不依赖于带标签的数据。聚类是无监督学习的一种应用，