机器学习聚类算法简介

算法的目的 ：

聚类算法是“无监督学习”中最常用的一个算法，通过对无标记训练样本的学习将数据集划分成若干个不相交的子集，来解释数据的内在性质以及规律，为进一步数据分析提供基础。也可以作为一个单独的过程，寻找数据内在的分布结构

注意 ： 类所对应的概念语义需要由使用者自己把握和命名。

对于一个算法的评估我们需要对这种算法进行量化，比如手对于一般的基础算法，我们有时间复杂度、空间复杂度进行度量，对于监督学习我们用答对率和预测误差进行度量，当然聚类算法也需要一个数值化的方法对其性能进行度量

算法的性能度量

度量分为两种方法，一个是依赖外部的某个“参考模型”经行比较，成为 “外部指标”，另一个是直接参考聚类的结果而不是参考其他模型，称之为“内部指标”。

1.外部指标

外部指标一般就是通过这三个指标经行衡量

2.内部指标