人工智能聚类作业讲课.ppt

聚类方法（Clustering） 内容 1. 聚类方法原理介绍 1.1 什么是聚类 1.2 为什么聚类 1.3 聚类问题特征 1.4 主要聚类算法的分类 1.5 聚类方法的不稳定性 2. 案例分析 心肌细胞数据聚类（层次聚类，Kmeans） 中国男足近几年到底在亚洲处于几流水平？（ Kmeans） 某移动公司客户细分模型 （ Kmeans ，使用SPSS） 3. 推荐参考书目 1. 聚类方法原理介绍 1.1 什么是聚类 1.2 为什么聚类 1.3 聚类问题特征 1.4 主要聚类算法的分类 1.5 聚类方法的不稳定性 1.1 什么是聚类 聚类（Clustering）就是在没有指导信息下将数据分组成为多个类（Cluster，一般也译为簇）。 最大特点：没有指导信息（无监督学习） 最大化类内相似度，最小化类间相似度 或者 最大化类间距离，最小化类内距离。 分类和聚类的区别 分类：有指导信息（训练集） 相关生活例子：教小孩认车牌 聚类：没有指导信息 相关生活例子：课程设计组队 聚类分析举例 1 “物以类聚，人以群分” 聚类分析举例 2 谁经常光顾商店，谁买什么东西，买多少？ 按会员卡记录的光临次数、光临时间、性别、年龄、职业、购物种类、金额等变量分类 这样商店可以…. 识别不同顾客群的购买模式（如喜欢一大早来买酸奶和鲜肉，习惯周末时一次性大采购） 刻画不同的客