聚类算法（算法小结与案例分析）

1.要指定聚类类别数的算法有K-means和谱聚类；无需指定的有BIRCH和DBSCAN

2.K-means是基于质心，谱聚类基于无向图，BIRCH基于层次，DBSCAN基于密度

3.无法很好处理非凸数据集的聚类算法有K-means和BIRCH

4.能够检测异常点的聚类算法是BIRCH和DBSCAN

5.谱聚类能够很好处理稀疏数据集

聚类算法是一种无监督式学习算法，其目的是把同属一个类别的物体聚合在一起，聚合在一起的样本称为簇，算法的核心就是如何定义簇，通常采取相似性度量。

我们重点介绍了五种聚类算法：基于质心的K-means算法，基于概率分布的GMM算法，基于密度的DBSCAN算法，基于无向图的谱聚类，以及基于层次聚类的BIRCH算法，其中K-means可以看成GMM的特殊情形。

这一篇我们对这几个聚类算法做一下总结（sklearn包介绍）以及分享一些实操案例。

往期文章：

聚类算法（K-means&#x