聚类-入门

写在前面，这个专栏的盈利超过10块的就捐给山区儿童买书，最后一次更新更捐款去向。顺便想体验一下收费专栏的感觉（手动狗头）

  2022/7/15这是这个专栏迄今为止的收益，然后这是捐款去向，下面进入正题

 

聚类和分类的区别：

分类：训练时会给标签，通过监督学习，使模型能够预测新数据属于什么类别

聚类：训练时没有标签，通过无监督学习，试图把数据分成几个不相交的子集

聚类的种类：

根据方法分为：原型聚类 / 密度聚类 / 层次聚类

根据同一个样本是否可以属于不同簇分为：软聚类 / 硬聚类

聚类的性能度量：

注意，现实中聚类的分类效果是主观的，大体上希望，离得近（相似度高）的在同一堆（簇）里边

外部指标：

将我们的结果和“参考模型”结果比较

参考模型：

定义类似高中物理的没有误差真实值，实际不存在

假定有个更牛逼的聚类模型作为“参考模型”，它的聚类结果作为正确答案。现实中往往没有一个真实的“参考模型”

内部指标：

直接主观判断聚类的结果，比如人眼看数据分布，看凑在一起的一堆是不是同一类，是就觉得分得不错

距离计算：

很多聚类方法往往都要涉及距离计算，他们的原理是，近朱者赤近墨者黑，比如我住的地方离东南大学比较近，就划分到没有假期的学生簇。所以怎么衡量“远”“近”？

闵可夫斯基距离

p=1时，闵可夫斯基距离=曼哈顿距离

p=2时，闵可夫斯基距离=欧式距离

具体的聚类算法原理及实现见聚类专栏

参考：《机器学习》周志华