聚類演算法是無監督學習中的典型演算法。
通過訓練不帶標籤的原資料，根據樣本的相似度或距離將其歸類，總結每一類的基本特徵，從而了解實質。聚類本質是統計描述方法，建立建設，而非驗證假設。
用一句古語來說，就是「物以類聚，人以群分」。
聚類的核心概念是相似度或距離，因為相似度或距離將直接影響聚類的結果，所以其選擇會是聚類的根本問題，具體的選擇取決於應用場景的特性。
常用的相似度或距離：二、用途歐氏距離與馬氏距離的優缺點
常見的使用場景有：
按聚類結果分：
按演算法特性分：
四、聚類演算法的選擇
如果資料量為中小規模，例如在 100w 條之內，k-means 是不錯的選擇（也可以視情況用 mini batch kmeans），100w 以上需要考慮用 mini batch kmeans；
如果資料中有離群點，使用基於密度的 dbscan 可以有效應對；
如果資料集是高維的，使用基於圖論的譜聚類，其他的聚類演算法在應對高維資料集時很難獲得令人滿意的效果。
五、聚類演算法詳述
k-means 概要及其實現
參考：[1] 李航. 《統計學習方法》.
[2] 宋天龍. 《python 資料分析與資料化運營》
聚類與常見聚類方法
2.層次聚類 hiecarchical clustering 3.密度聚類 density based clustering 4.參考 k均值演算法是屬於劃分的聚類方法，k均值演算法將樣本分為k類，是通過最小化簇內距離 平方誤差 來實現的。e i 1n x c i x ui 22e sum n su...
聚類方法分類
1.原型聚類 典型的做法是k means，首先設定k個類別，隨機的在總體樣本中選擇k個樣本作為聚類中心，然後遍歷所有樣本點，把所有樣本點分類到k個類中 以最短距離為標準 然後更新k個樣本的樣本中心，再重新劃分所有的樣本點。停止條件可以設定為樣本的變化幅度不大的情況，或者兩次的損失函式變化不大的情況。...
短文本聚類方法
短文本聚類方法 在拿到乙個大規模資料集時，我們不可能對這麼多的問題進行注意打上標記 label 因為這個是非常耗時的。而且，我們還知道文字問題是乙個典型的多標記問題，這個時候打上的標記很多的時候都不會特別的精確，也就是我們通常說的弱標記weak label.這個時候我們就需要乙個聚類的方法，這樣可以...