数据科学之机器学习进阶子篇——聚类

“要以真诚的态度从他人的视角看事情。” -- 《人性的弱点》

今天给大家带来机器学习子篇的进阶部分 -- 聚类，也是数据科学在做问题分析和调研的时候常用的算法之一。

本文不重点讲述某类算法的细节，重点在于学习聚类算法的相关基础知识点。一、聚类和分类之间的关系；二、常见聚类算法介绍；三、总结和对比。

一、聚类和分类之间的关系

要学习聚类，不得不提分类，作为机器学习领域两大分支，两者密不可分，又同有区别，抛开数学原理不说，单看操作过程就可以很好的理解了，我们来看两图。如下图是一个典型的分类算法的学习过程，已知label，这些样本的形状和颜色都不相同。那么分类算法的目标就是找到这么一条线，能够把这些样本分开。

我们再来看一张图，我们事先并不知道label是多少，希望通过聚类算法，将样本进行研究。

这么说可能比较举个例子，比如说金融场景下研究各个用户之间的联系，通常会使用聚类算法进行人群聚类，发现高危反欺诈群体，如下图：

聚类的标准定义：按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。也即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。

二、常见聚类算法研究

版权申明：本文为数据科学小白原创文章，授权头条号发表，转载请注明出处。

参考文献：