聚类总结

聚类与分类的区别

Clustering (聚类)，简单地说就是把相似的东西分到一组，聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起。因此，一个聚类算法通常只需要知道如何计算相似度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在Machine Learning中被称作unsupervised learning (无监督学习)。
Classification (分类)，对于一个classifier，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做supervised learning (监督学习)。

衡量聚类算法优劣的标准

1. 处理大的数据集的能力；
2. 处理任意形状，包括有间隙的嵌套的数据的能力；
3. 算法处理的结果与数据输入的顺序是否相关，也就是说算法是否独立于数据输入顺序；
4. 处理数据噪声的能力；
5. 是否需要预先知道聚类个数，是否需要用户给出领域知识；
6. 算法处理有很多属性数据的能力，也就是对数据维数是否敏感。

ps：学习自清华大学大数据研究中心