文章目录 引言一、相似度或距离1.闵可夫斯基距离2.马氏距离3.兰氏距离4.斜交空间距离5.相关系数6. 夹角余弦 二、类或簇1.类的定义2.类的特征3.类间距离 三、层次聚类1.聚合聚类2.系统聚类法3.确定最佳聚类数 四、K均值聚类1.策略2.K均值聚类算法3.算法特性 五、比较k均值聚类与高斯混合模型加EM算法的异同 引言 一、相似度或距离 1.闵可夫斯基距离 2.马氏距离 3.兰氏距离 4.斜交空间距离 5.相关系数 6. 夹角余弦 二、类或簇 1.类的定义 2.类的特征 3.类间距离 三、层次聚类 1.聚合聚类 2.系统聚类法 3.确定最佳聚类数 四、K均值聚类 1.策略 2.K均值聚类算法 3.算法特性 五、比较k均值聚类与高斯混合模型加EM算法的异同 面试可能问到的问题,之后百面机器学习会进行补充