记得在读研期间,去选修数据挖掘与数据仓库这门课,当时老师讲的很多的一个知识点,那就是聚类分析,然后老师讲了很多什么关联分析等等,很多都忘记了,当时也是听得云里雾里的。看完周老师在机器学习这本书中提到的聚类,大概理解了聚类能做什么,能解决什么样的问题。周老师在数据介绍了多种聚类算法。聚类可以说是一种无监督的学习,也就是说在训练样本中对应的标记信息是没有的,目标是通过对无标记训练样本的学习来揭示数据内在性质和规律,为进一步的数据分析提供基础。周老师分如下章节进行介绍:
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”。
2、性能度量
簇内相似度高,簇间相似度低。
外部指标:是将聚类结果与某个“参考模型”进行比较
内部指标:直接考察聚类结果而不利用任何参考模型。
3、距离计算
距离度量满足的基本性质:
非负性、同一性、对称性、直递性
闵可夫斯基距离:
distmk=(