**在這裡
聚類通俗的講，即所謂「物以類聚，人以群分」。聚類 (clustering) 是乙個資料探勘的經典問題，它的目的是將資料分為多個簇 (cluster)，在同乙個簇中的物件之間有較高的相似度，而不同簇的物件差別較大。
簡單，非常簡單！！！！
聚類是非監督版的『分類』，把相近的資料劃分成多個簇，乙個簇內的所有資料相關性很好。
在推薦系統的初期，使用者檢視的公寓資訊很少，協同過濾演算法施展不出身手，聚類演算法可以在協同過濾演算法之前做預處理，適當擴大使用者有效操作，提高協同過濾演算法的效果。
同時，在某些方面，聚類演算法縮小的計算範圍，只計算相關簇內的資訊即可，很好的減少的計算量，提高了演算法的效率。
k均值(k-means)演算法是簡單的聚類演算法，同時也是最基礎，使用最為廣泛的聚類演算法。
k均值聚類演算法首先會隨機確定k個中心位置（位於空間中代表聚類中心的點），然後將各個資料項分配給最臨近的中心點。待分配完成之後，聚類中心就會移到分配給該聚類的所有節點的平均位置處，然後整個分配過程重新開始。這一過程會一直重複下去，直到分配過程不再產生變化為止。下圖是包含兩個聚類的k-均值聚類過程：
k均值演算法有2個難題？
1，k是多少？2，k的值分別是多少？
一般情況下k是需要人來確定的，不同的產品，不同經驗的人員，給的值是不一樣的。
k點的值初始都是隨機的，每次都不一樣，聚成的簇也就不一樣。
用另一種聚類演算法canopy
canopy演算法主要是給k均值演算法做資料預處理的，就是要找到比較理想的簇的個數及簇的初始點位置。
圖中有乙個t1,乙個t2,我們稱之為距離閥值，顯然t1>t2，這兩個值有什麼用呢？我們先確定了乙個中心，然後計算其他點到這個中心間的距離，當距離大於t1時，小於t1大於t2時，小於t2時，對這個點的處理都是不一樣的。
while d is not empty
select element d from d to initialize canopy c
remove d from d
loop through remaining elements in d
if distance between d_i and c < t1 : add element to the canopy c
if distance between d_i and c < t2 : remove element from d
endadd canopy c to the list of canopies c
endd指代一組資料，d_i表示d中的各個資料。
是不是還不夠明白？下面用中文進行說明：
1：給我一組存放在陣列裡面的資料d
2：給我兩個距離閾值t1,t2,且t1>t2
3：隨機取d中的乙個資料d作為中心，並將d從d中移除
4：計算d中所有點到d的距離distance
5：將所有distance具體實現請看/cluster.py
canopy演算法**從網上摘錄，kmeans演算法**來自《機器學習實戰》中第10章的**。
canopy演算法的結果每次也不一樣，但都差距都很少。為了更公平的選出k，7次canopy演算法，減去最大值和最小值，剩下的和平均數最接近的那個值就是k的值。
k勻值演算法計算時間較長，所以最好是把計算結果儲存下來，以後隨時可以使用。
推薦系統實戰 出租公寓專案8 推薦系統評估
前面說了那麼多，推薦系統的冷啟動，協同過濾演算法，聚類演算法，關聯規則，混合演算法，那現在問題出來了，我用哪種演算法來寫我自己的公寓出租推薦系統呢？一是憑經驗，二，所有演算法都測試一遍，看哪個效果好！效果好的標準是什麼？就是馬上要說的推薦系統的評估，指標。當然，ab test也有缺點，週期比較長，必...
推薦系統實戰 出租公寓專案2 冷啟動
github 產品的形式，決定了解決問題的方法。微博新使用者註冊的時候，會問你對哪些領域感興趣 就是在得到你的興趣愛好，還建議關注一些大v，也是乙個意思。推薦系統實踐 特意拿出一章來說推薦系統冷啟動問題，裡面講的很好了，有必要看一看。具體到 出租公寓專案 怎麼來做呢？可以參考58同城的做法。我們可以...
基於大資料技術推薦系統演算法案例實戰教程
基於大資料技術推薦系統演算法案例實戰教程 密碼 vrvf 網際網路行業是大資料應用最前沿的陣地，目前主流的大資料技術，包括 hadoop，spark等，全部來自於一線網際網路公司。隨著電子商務規模的不斷擴大，顧客需要花費大量的時間才能找到自己想買的商品。這種瀏覽大量無關的資訊和產品過程無疑會使淹沒在...