聚類，就是將相似的事物聚集在一 起，而將不相似的事物劃分到不同的類別的過程
在資料分析的術語之中，聚類和分類是兩種技術。分類是指我們已經知道了事物的類別，需要從樣品中學習分類的規則，是一種有指導學習；而聚類則是由我們來給定簡單的規則，從而得到分類，是一種無指導學習。
聚類的直觀理解
使同一類物件的相似度盡可能地大；不同類物件之間的相似度盡可能地小。
聚類本質上是集合劃分問題。因為沒有人工定義的類別標準，聚類並沒有統一的對樣本進行劃分的標準。因此演算法要解決的核心問題是如何定義簇，唯一的要求是簇內的樣本盡可能相似。通常的做法是根據簇內樣本之間的距離，或是樣本點在資料空間中的密度來確定。對簇的不同定義可以得到各種不同的聚類演算法。
dbscan聚類演算法-白話版
dbscan密度聚類演算法-劉建平
matlab提供的兩種聚類分析方法
層次聚類的matlab實現**
matlab層次聚類分析法
x=[11978 12.5 93.5 31908; 57500 67.6 238.0 15900];
%t=clusterdata(x,0.9) %一次聚類法
%%層次聚類法
%step1 尋找變數之間的相似性
%用pdist函式計算相似矩陣，有多種方法可以計算距離，進行計算之前最好先將資料用zscore函式進行標準化。
x2=zscore(x); %標準化資料
y2=pdist(x2); %計算距離(預設歐式距離)
%step2 定義變數之間的連線
z2=linkage(y2);
%step3 評價聚類資訊
c2=cophenet(z2,y2); %
%step4 建立聚類，並作出譜系圖
t=cluster(z2,6);
h=dendrogram(z2);
分類演算法 相關鏈結
分類演算法 一 概述 分類演算法 二 fasttext 原理介紹 分類演算法 二 fasttext 分類演算法 三 lr nb svm knn 呼叫示例 分類演算法 四 svm 分類演算法 五 xgboost 安裝 分類演算法 六 softmax和sigmoid，二分類 多分類 多標籤分類關係 分類...
KMP演算法相關學習資料
kmp演算法 kmp演算法主要用於判斷字串f是不是另乙個字串o的子串。利用f串的next陣列或者nextval陣列可以實現效能的大幅度提高。主要有兩個步驟 1 對f串，求其next陣列或者nextval陣列，複雜度o m 2 將f串元素依次與o串元素比較，出現不匹配的元素，假設是f j 則將f串向前...
排序演算法相關
1.1氣泡排序 氣泡排序的基本原理是 依次比較相鄰的兩個數，將大數放在前面，小數放在後面，也即首先比較第乙個和第二個數，將大數放在前面，小數放在後面。然後比較第2個數和第3個數，將大數放前，小數方後，依次直至比較最後兩個數。如此在第一輪最後的數必定是所有數中最小的，然後重複以上過程將所有小數放在最後...