聚类dbi指数_无监督聚类算法实践I

注：本文中的例子与数据均为杜撰，并为了说明问题做了简化，请勿对号入座

另：为了降低理解成本，本文尽量以直观的方法呈现，略去复杂公式推导，让聚类算法变成一个很直观的、开箱即用的工具。

1. 前言

物以类聚，人以群分。把这句流传了两千年的古语用机器学习的话术来表达，即是：具有相同或相似特征的对象，可以聚成一个群体。有了群体之后，就可以分析其共性特征与行为的关系。

以电商的购物记录为例。考察25-30岁的女性用户在双十一期间的消费类型，随机选取50w人，经计算，这50w人可以分为4类:

• 40%的人以衣服鞋帽为主
• 20%的人以化妆品为主
• 10%的人以电子产品为主
• 另外30%的人没有明显特征

那么在制定明年双十一广告策略时，就可以针对每一类人分别推荐。在计算之前并不知道这50w人可以分成哪几个类别，属于无监督学习。本文即将讲述的是无监督学习的聚类算法实践。

2. 基本概念

如果你要对二维平面上的点进行分类，如下图所示，显然可以把红色点和蓝色点各分为一类。

但是A点分到哪一类更"适合"呢。

该如何衡量分类效果的好坏呢？本节介绍常用的距离度量和性能度量方法。

2.1 距离度量

给定

维空间上的三个点