聚类算法小结

介绍

聚类算法在于对每一条样本生成固定长度的特征向量，通过数学运算将空间中满足聚类要求的相似样本聚为一类，即我们说的簇。由于聚类算法通常为无监督学习，不需要样本标签，因而成本较低，广泛应用于相似性数据挖掘工作中。应用到推荐领域，可以为用户和产品分组。在介绍常见的聚类算法前，我们先呈现各类相似度的判断标准：

• 余弦相似度 (Cosine Similarity)：空间中向量夹角的余弦值，用于衡量向量的方向是否一致；
  $$Cosine\_Similarity(x,y)=\frac{x\cdot y}{||x||\cdot ||y||}$$
• 欧式距离 (Euclidean Distance)：两点之间的最短距离，是对于向量长度和方向的综合评价标准；
  $$Euclidean(x,y)=||x-y||=(\sum _i|x_i-y_i{|}^2{)}^{\frac{1}{2}}$$
• 曼哈顿距离 (Manhattan Distance)：两点之间的棋盘距离，在特定场景下效用显著；
  $$Manhattan(x,y)=\sum _i|x_i-y_i|$$
• 闵氏距离 (Minkowski Distance)：欧式距离和曼哈顿距离的泛化版本；
  $$Minkow$$