K-Means & DBSCAN 聚类算法

问题：

什么是聚类算法，其难点在哪

有哪些是聚类算法，其处理过程是什么，优劣势有哪些

评估聚类算法的方法

 

聚类算法，是无监督学习，也就是无标签（label），是把相似的数据划分在一起

聚类算法的普遍难点在于：如何选择合适的参数（调参），怎样评估聚类效果是好的（评估）

 

聚类算法中比较常用的有K-means 和DBSCAN

K-means ： 以质心为中心，聚类成K个簇

需要设定的参数：K值

质心——对该簇所有点所有特征取均值

怎么找到点形成簇呢——距离度量：欧式距离或者（先标准化）余弦相似度（使用欧式距离的比较多）

K-means 就是找到离某个质心更近的那些点形成一个簇

那么我们希望的情况就是，聚完类后，每个点都能离所属簇的质心距离最近（相比于其他簇的质心）

因此我们可以得到我们的优化目标，就是使该簇的所有点到该簇的质心的距离之和尽量小，那么不断优化，直到质心不再变时，总距离也就不变，此时我们得到最后的聚类。

那么如何优化我们的质心呢？（也就是K-means的聚类过程）

首先，因为一开始没有质心可以确定，那么K个质心就会随机取（最后要分为K个簇），

那么质心就有初始化了，也就可以开始计算和比较各个点和各个质心之间的距离了，每个点找到离自己距离最近的质心，

那么第一