机器学习笔记

非监督学习 

聚类分析常用于数据探索或挖掘前期

• 没有先验经验做探索性分析

• 样本量较大时做预处理

常用于解决

• 数据集可以分几类；每个类别有多少样本量

• 不同类别中各个变量的强弱关系如何

• 不同类型的典型特征是什么

一般应用场景

• 群类别间的差异性特征分析

• 群类别内的关键特征提取

• 图像压缩、分割、图像理解

• 异常检测

• 数据离散化

聚类分析缺点：

• 无法提供明确的行动指向

• 数据异常对结果有影响

聚类方法的关键：距离。两个样本间的距离越小，说明它们之间越相似，越有可能聚成一个类群。相反，两个样本间的距离比较大，说明它们相差越大，越有可能隶属于不同的类群。

通过聚类算法，即使在没有任何先验知识的情况下，基于样本的数据特征，把相似或相近的样本划分为一群，把差异较大或相远的样本划分到另一群，从而形成不同的“簇”

 常用聚类方法：

一、K—means聚类分析：基于点与点之间的距离的相似度来计算最佳类别归属。

Kmeans在进行类别划分过程中及最终结果，始终追求“簇内差异小， 簇间差异大”，

其中差异由样本点到其所在簇的质心的距离衡量。

python语法：

sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs=None, algorithm='auto')

 参数详解：

n_cluster：k，告诉模型我们要分几类，默认8，必填；

有监督学习