聚类算法原理简介
聚类算法原理
聚类算法:一种典型的无监督学习算法,主要用于将相似的样本自动归到一个类别中。在聚类算法中根据样本之间的相似性,将样本划分到不同的类别中,对于不同的相似度计算方法,会得到不同的聚类结果,常用的相似度计算方法有欧式距离法。
聚类算法与分类算法的最大区别:聚类算法是无监督的学习算法,而分类算法属于监督的学习算法。
粗聚类与细聚类
细聚类
粗聚类
聚类算法的应用
- 用户画像,广告推荐, Data Segmentation, 搜索引擎的流量推荐, 恶意流量识别
- 基于位置信息的商业推送, 新闻聚类,筛选排序
- 图像分割,降维,识别离群点检测,信用卡异常消费, 发掘相同功能的基因片段