谱聚类算法入门教程（一）——Introduction

该教程记录了我从一个聚类算法小白学习谱聚类算法的过程，在开始学习之前，请确保你了解下面的知识：

• 线性代数矩阵的相关性质
• 导数的相关知识
• 欧式距离
• 图的基本知识

如果你学过上面的知识但是忘记了也没关系，在后面使用该知识点的过程中会简要讲解一下，你只要确保你看完了能回忆起来就好。

1. 什么聚类算法？

聚类就是对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的数据相似度较小，是无监督学习¹的一种。说白点，就是给一群点，然后叫你把相似的点分为同一类。下图就是一个简单的例子，被分为同一类的数据点用同一种颜色被标识出来。

2. 谱聚类算法

常用的聚类方法有很多，比如说k-means算法，基于密度聚类算法，基于网格聚类算法，谱聚类算法等，本教程将介绍谱聚类算法。传统的聚类方法，如k-means算法，基于密度聚类算法，基于网格聚类算法等，在对凸形样本聚类效果较好，但是对于任意形状的聚类算法精度不高；而谱聚类算法，不仅能够在任意样本空间进行聚类，而且能够收敛于全局最优，很好地解决了非块状和非凸数据的聚类问题。

等等，非块状和非凸数据是什么意思&#