編譯：bot
編者按：聚類是一種涉及資料點分組的機器學習技術。給定一組資料點，我們可以使用聚類演算法將每個資料點到分類到影象中的特定組中。理論上，同一組中的資料點應具有相似的屬性和特徵，而不同組中的資料點的屬性和特徵則應高度不同。聚類是無監督學習的一種方法，是用於多領域統計資料分析的常用技術。
在資料科學中，我們可以通過聚類分析觀察使用聚類演算法後這些資料點分別落入了哪個組，並從中獲得一些有價值的資訊。那麼今天，我們就跟著機器學習工程師george seif來看看資料科學家需要掌握的5種實用聚類演算法以及它們的優缺點。
有幸在b站上看到了某up主強烈推薦的知乎專欄
資料科學家需要知道的5種聚類演算法
講得十分透徹易懂。致敬大神
資料科學家需要了解的5大聚類演算法
聚類是一種涉及資料點分組的機器學習技術。給定乙個資料點集，則可利用聚類演算法將每個資料點分類到乙個特定的組中。理論上，同一組資料點具有相似的性質或 和 特徵，不同組資料點具有高度不同的性質或 和 特徵。聚類屬於無監督學習，也是在很多領域中使用的統計資料分析的一種常用技術。本文將介紹常見的5大聚類演算...
資料科學家需要知道的5個基本統計學概念
對於資料科學的藝術，統計學可以說是乙個強大的工具。從高層次的角度來看，統計是利用數學對資料進行技術分析。乙個基本的視覺化，如條形圖，可以給你提供一些高階的資訊，但是通過統計學，我們可以以一種更加以資訊驅動和更有針對性的方式來運算元據。所用到的數學方法能幫助我們對資料形成具體的結論，而不是去靠猜測。通...
層次聚類演算法 從事資料科學需要掌握的5種聚類演算法
聚類是一種涉及資料點分組的機器學習技術。給定一組資料點，我們可以使用聚類演算法將每個資料點分類到特定的組。理論上，同一組中的資料點應具有相似的屬性和 或特徵，而不同組中的資料點應具有高度不同的屬性和 或特徵。聚類是一種無監督學習的方法，是許多領域中使用的常見統計資料分析技術。在資料科學中，我們可以使...