机器学习算法------6.1 聚类算法简介

聚类算法

学习目标

• 掌握聚类算法实现过程
• 知道K-means算法原理
• 知道聚类算法中的评估模型
• 说明K-means的优缺点
• 了解聚类中的算法优化方式
• 知道特征降维的实现过程
• 应用Kmeans实现聚类任务

6.1 聚类算法简介

学习目标

• 知道聚类算法的概念
• 了解聚类算法和分类算法的最大区别

---

1 认识聚类算法

使用不同的聚类准则，产生的聚类结果不同。

1.1 聚类算法在现实中的应用

• 用户画像，广告推荐，Data Segmentation，搜索引擎的流量推荐，恶意流量识别

• 基于位置信息的商业推送，新闻聚类，筛选排序

• 图像分割，降维，识别；离群点检测；信用卡异常消费；发掘相同功能的基因片段

1.2 聚类算法的概念

聚类算法：

一种典型的无监督学习算法，主要用于将相似的样本自动归到一个类别中。

在聚类算法中根据样本之间的相似性，将样本划分到不同的类别中，对于不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧式距离法。

1.3 聚类算法与分类算法最大的区别

聚类算法是无监督的学习算法，而分类算法属于监督的学习算法。

---

2 小结

• 聚类算法分类【了解】
  • 粗聚类
  • 细聚类
• 聚类的定义【了解】
  • 一种典型的无监督学习算法，
  • 主要用于将相似的样本自动归到一个类别中
  • 计算样本和样本之间的相似性，一般使用欧式距离