[机器学习] 聚类的基本概念

基于《数据挖掘导论》这本书，总结一下聚类的基本概念和知识点
聚类
一、 实用的聚类

1. 汇总
   依赖分析类型、原型个数和原型代表数据的精度，汇总结果可以与使用所有数据得到的结果相媲美
2. 压缩
   每个对象用与它所在的簇相关联的索引表示，这类压缩称作向量量化，常用于图像、声音和视频数据，此类数据特点：
   (1) 许多数据对象之间高度相似，
   (2) 某些信息丢失是可以接受的
   (3) 希望大幅度压缩数据量
3. 有效的发现最近邻
   找最近的邻点，计算近邻簇中对象的距离，其中两个簇的领近性用其原型之间的距离来测量

二、 聚类的主要问题
1． 将数据对象划分为簇集合的不同方法
2． 簇的类型

三、 聚类分析

1. 在数据中发现描述对象及其关系的信息，将数据对象分组。
2. 目标：组内的对象相互之间是相似的（相关的），而不同组中的对象是不同的（不相关的）。 组内的相似性（同质性）越大（内聚度， Cohesion），组间的差别越大（内聚度， Coupling），聚类就越好。
3. 聚类分析分为监督分类(supervised classification)，非监督分类(unsupervised classification)。通常如无特殊提示，则默认为监督分类。
4. 术语：分割（segmentation）, 划分（partiti