数据挖掘基础（三）： 聚类.pdf

《互联网数据挖掘》本科生课程 数据挖掘基础（三）： 聚类 万小军 北京大学语言计算与互联网挖掘组 /lcwm 2014年11月5日 概念  聚类：将数据自动聚集到不同类簇  同一类簇内数据相似，不同类簇间数据不相似  无监督学习 • 没有标注数据 • 类簇未知 类簇1 数据/ 聚类器 类簇2 文本 …. 类簇n 2 应用  聚类应用  新闻聚类与话题检测  检索结果组织  网络社区发现  … 3 文本聚类技术  聚类质量  类簇之间的文档距离 最大化  类簇内部的文档距离 最小化  聚类算法  K-Means聚类  层次式聚类(Hierarchical clustering)  增量式单遍聚类  基于图分割的聚类  基于密度峰值的聚类  距离(或相似度)测度 4 文本聚类技术  距离测度  欧式距离(Euclidian distance (L2 norm)) m   2 L (x ,y ) (x y ) 2 i i i 1  L1范式(L1 norm) m   L (x ,y ) x y 1 i i i 1  基于余弦测度的距离  