聚类

聚类任务

  聚类任务是无监督学习的一种，没有标记。聚类试图将数据集中的样本划分为若干个通常不相交的子集，每个子集称为一个“簇”。聚类算法涉及两个基本问题—-性能度量和距离计算。

$\bullet$ 性能度量
  聚类性能度量又称聚类“有效性指标”。聚类性能度量大致有两类。
  “外部指标”：将聚类结果与某个“参考型”比较，常用的指标：Jaccard系数、FM指数、Rand指数
  “内部指标”：直接参考聚类结果而不利用任何参考模型，常用的指标：DB指数、Dunn指数

$\bullet$ 距离计算
  距离度量需要满足一些基本性质：非负性、同一性、对称性、直递性(三角不等式)。
  给定样本$x_i=(x_{i1};x_{i2};...;x_{in})$与$x_j=(x_{j1};x_{j2};...;x_{jn})$,最常用的是“闽可夫斯基距离”

$$dist_{mk}(x_i,x_j)=\big(\sum_{u=1}^n|x_{iu}-x_{jp}|^p\big)^{\frac{1}{p}}$$
其中，当 p=1时