聚类是按照某个特定的标准(比如相似度,概率,距离准则–即数据点之间的距离)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能地大,我们具体的理解为,聚类后同一类的数据尽可能聚集到一起,不同类数据尽量分离。 现在聚类还有这些问题吗 1.如何构造相似矩阵 2.如何处理特征向量 3.如何自动确定聚类数目 4.如果数据本身存在不相关特征,算法往往表现很差 转自here 聚类的评价方法:参考这个源代码,易于理解。 簇间距离和簇内距离.