二战周志华《机器学习》--聚类

1、聚类任务

聚类试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个簇。通过这样的划分，每个簇可能对应于一些潜在的概念(类别)。需要说明的是，这些概念对聚类算法来说事先是未知的，聚类过程仅能自动形成簇结构，簇所对应的概念语义需要使用者来把握和命名。

聚类既能作为一个单独的过程，用于寻找数据内在的分布结构，也可以用作其他学习任务的前驱过程。例如，在一些商业应用中需要对新用户的类型进行判别，但定义用户类型对商家来说却可能不太容易，此时往往可能先对用户进行聚类，根据聚类结果将每个簇定义为一个类，然后再基于这些类训练分类模型，用于判别新用户的类型。

聚类算法涉及两个主要的问题：性能度量和距离计算

2、性能度量

我们希望聚类结果能使得同一簇的样本尽可能彼此相似，而不同簇的样本尽可能不同。聚类性能度量大致有两类，一个是将聚类结果与某个“参考模型”进行比较，称为外部指标，另一个是直接考察聚类结果而不利用任何参考模型，称为内部指标。

外部指标

内部指标