聚类算法介绍（欧氏距离和余弦距离）

1.聚类就是将数据集划分为若干相似对象组成的多个组或簇的过程，使得同一个组或簇相似度最大化，不同簇间相似度最小化。（有时候聚类可以评价相似性）

2.聚类的本质是分组，属于无监督机器学习（只需要特征X，不需要标签y）。

3.在聚类分析中，样本之间相似性通常采用样本之间的距离来表示，距离越大表示两个样本越不相似，差异性越大。距离越小，样本差异性越大，距离为零表示两个样本完全一样，无差异。

4.连续型数值计量方法

 

最常用的是欧氏距离（l2范数，两点之间直线距离）

曼哈顿距离（l1范数，两点之间台阶式距离）

5.如果数据是连续性的数据，我们要计算距离，就要对数据做归一化处理，防止不同维度的数据对距离计算造成影响。

6.计算空间中点的距离的时候评价远近可以用欧式距离或者余弦距离。不同的距离测度会得出不同的聚类结果。

余弦距离：假设空间中有两点，我们计算这两个点与原点连成的直线的夹角的余弦是多少度，取值范文是[-1,+1]如果越趋近于1代表越相似，越趋近于-1代表方向相反，0代表正交。

夹角越大就说明两点越不相似，夹角越小说明越相似。（简单来说，欧氏距离就是看两点之间的直线距离，余弦距离就是直接比较两点之间的夹角）

7.如果两个向量长度相等且方向相同，那么就说这两个向量欧氏距离和余弦距离相同 

余弦距离测度效率比欧氏距离测度高