聚類算法/分析又稱群分析，它是研究（樣品或指標）分類問題的一種統計分析方法，同時也是數據挖掘的一個重要算法。 聚類（Cluster）分析是由若干模式（Pattern）組成的，通常，模式是一個度量（Measurement）的向量，或者是多維空間中的一個點。 聚類分析以相似性為基礎，在一個聚類中的模式之間比不在同一聚類中的模式之間具有更多的相似性。

?

聚類的目的在于把相似的東西聚在一起，而我們并不關心這一類是什么。因此，一個聚類算法通常只需要知道如何計算相似度就可以開始工作了。

?

聚類算法一般有五種方法，最主要的是劃分方法和層次方法兩種。

>>劃分聚類算法通過優化評價函數把數據集分割為K個部分，它需要K作為 輸人參數。典型的分割聚類算法有K-means算法, K-medoids算法、CLARANS算法。

>>層次聚類由不同層次的分割聚類組成，層次之間的分割具有嵌套的關系。它不需要輸入參數，這是它優于分割聚類 算法的一個明顯的優點，其缺點是終止條件必須具體指定。典型的分層聚類算法有BIRCH算法、DBSCAN算法和CURE算法等。

轉載于:https://www.cnblogs.com/shenxiaolin/p/6970872.html

總結

以上是生活随笔為你收集整理的无监督学习典例：聚类的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。