一、概述
首先:聚类算法是无监督学习算法;一般构建用户兴趣属性画像等可应用聚类算法;而一般的分类算法是有监督学习,基于有标注的历史数据进行算法模型构建
定义:对大量未知标注的数据集,按照数据内部存在的数据特征将数据集划分为多个不用的类别,使得类别内的数据比较相似,类别间的数据相似度较小。重点是计算样本之间的相似度,有时候也称为样本间的距离。
二、常用的距离公式:
1、闵可夫斯基距离公式,距离越近代表越相似,也是最常用的距离公式
当p为1的时候是曼哈顿距离(Manhattan),因为曼哈顿是城市,所以也称为城市距离;
当p为2的时候是欧式距离(Euclidean),一般都用这个距离
当p为无穷大的时候是切比雪夫距离(Chebyshev),试想当存在|x0-y0|比其他项都大时,即使开根号,其占比依然最大;
以上三个距离的具体表达式如下:
标准化欧式距离(Standardized Euclidean Distance):