机器学习 -- K-MEANS算法（Ⅰ 聚类概述）

        聚类是一种无监督的学习，它将相似的对象归到同一个簇中。聚类分析试图将相似对象归入同一簇，将不相似对象归到不同簇。聚类方法几乎可以应用于所有对象，簇内的对象越相似，聚类的效果越好。

 

聚类的概念

（1）聚类就是将集合划分成由类（相）似的对象组成的多个类的过程。

（2）聚类分析是研究（样品或指标）分类问题的一种统计分析方法。

（3）聚类所要求划分的类是未知的，一般把它理解为无监督学习。而分类算法是有训练样本的，属于监督学习。

 

聚类的典型应用

（1）聚类可以帮助市场分析人员从客户基本信息库中发现不同的客户群；

（2）在生物学上，聚类可以根据生物基因结构，推导出植物和动物的物种分类，从而获得对生物种群固有结构的认识；

（3）聚类还能从地球观测数据库中找到地形、地貌等地理特征相似的区域，提供生物物种或病虫害预警信息；

（4）根据房屋的类型、价值和地理位置等信息对城市房屋进行聚类分组，为客户提供房屋资产评估服务。

 

聚类常见算法分类

（1）划分聚类：大部分方法是基于距离的聚类算法。例如：k-MEANS、k-MEDOIDS、CLARANS等。

<