![9ee0c38459d363c3038eab2f54433ba3.png](https://i-blog.csdnimg.cn/blog_migrate/808d647bd4d94d76fb4d8064797c7d8a.png)
正文开始~
k-means 属于无监督学习算法,无监督算法的内涵是观察无标签数据集自动发现隐藏结构和层次,在无标签数据中寻找隐藏规律。 聚类模型在数据分析当中的应用: 既可以作为一个单独过程,用于寻找数据内在规律,也可以作为分类等其他分析任务的前置探索 。 例如我们想探寻我们产品站内都有哪些社交行为群体,刚开始拍脑门想可能并不会很容易,这时候可以根据用户属性、行为对用户进行聚类,根据结果将每个簇定义为一类社交群体,基于这些类训练后续的分类模型,给用户打标签后进行个性化推荐、运营。![b756815eabba9aa1692bd762c4face42.png](https://i-blog.csdnimg.cn/blog_migrate/c72de55b38664ab351477a1eb3a7e0c6.png)
- 欧几里得距离-直线距离,不适合高维度数据,对某一维度大数值差异更加敏感;
- 曼哈顿距离-也叫出租车距离,用来标明两个点在标准坐标系上的绝对轴距总和,只计算水平或垂直距离,对某一维度大数值差异不敏感;
- Hamming距离-可用来测量含有分类值的向量之间的距离;
- 余弦距离-通过计算两个向量的夹角余弦值来