机器学习从原理到应用Chp11_聚类.pptx

第11章聚类

（Clustering）;无监督学习简介

聚类简介

K均值聚类

层次聚类

DBSCAN

;?;原始数据容易获得，但标注数据昂贵

我们缺的不是数据，而是带标签的数据。

降低存储/计算

对高维数据降噪

对数据进行探索性分析

数据可视化

非监督学习通常可作为监督学习的预处理步骤;无监督学习简介

聚类简介

K均值聚类

层次聚类

DBSCAN

;发现数据中分组聚集的结构：根据数据中样本与样本之间的距离或相似度，将样本划分为若干组／类／簇（cluster）。

划分的原则：簇内样本相似、簇间样本不相似

;簇的概念并不明确;图像分割;用户画像：基于顾客消费历史对顾客聚类

商品分析：基于