本文介绍了无监督学习中的聚类任务，聚类旨在将数据集中的样本分为若干互不相交的子集，形成簇。聚类度量分为外部指标和内部指标，其中DBI指数和Dumn指数是内部指标的常见选择。DBI值越大表示聚类效果越好，而Dumn指数则期望值越小越好。此外，文章还讨论了距离计算、聚类算法，如k均值和学习向量量化，以及它们的特点和应用场景。
1 聚类任务
在无监督学习中，获取的数据集是没有label信息的，无监督学习的目的是对无label的数据集进行学习以揭示数据内部的性质及规律，为进一步的数据分析提供基础。
聚类是最常见的无监督学习任务。
聚类的目的是试图将数据集中的样本分成若干个不相交的子集，每一个子集称为一个簇，每个簇对应一个潜在的概念，如“浅色瓜”“无籽瓜”等。但是要注意的是，每个簇的概念是由使用者来定义的，聚类算法只是将具有形似性质的样本聚类成簇，而不同簇表示的含义对聚类算法而言是未知的。
形式化的定义聚类过程，就是对于无标记的数据集D={x1,x2,⋯,xm},xi∈Rn，经过聚类之后形成k个不相交的簇{Cl∣l=1,2,⋯,k}，其中⋃i=1kCi=D,Cl⋂Cl′=∅(l̸=l′)。
聚类可以作为单独的应用，用于发掘数据的内在结构。也可以用作其他应用的前驱过程，例如在一些商业应用中，往往先对用户类型聚类成簇之后，再对新用户的类型进行判别。
2 聚类度量
聚类度量是表述聚类结果好坏的标准。
对聚类结果，总体而言，是希望属于同一簇的样本尽可能相似，属于不同簇的样本差距尽可能大，也就是希望达到“簇内相似度高”、“簇间相似度低”的效果。
聚类度量可以分为两类，一类是有外部参考结果的外部指标；另一类是无外部参考结果的内部指标。
2.1 外部指标
数据集D={x1,x2,⋯,xm}，通过聚类给出簇划分C={C1,C2,⋯,Ck}，外部参考模型给出的簇划分结果为C∗={C1∗,C2∗,⋯,Cs∗}&#
最低0.47元/天 解锁文章
2544
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
