【ML 吴恩达】11 聚类Clustering的概念、应用和算法简介

1 简介

聚类Clustering ： 将数据集中的样本划分为若干个通常不相交的子集，每个子集称为簇（cluster）。 簇cluster：A group of objects that are similar to other objects in the cluster ,and dissimilar to data points in other clusters 一组与集群中其他对象相似，但与其他集群中的数据点不同的对象称为簇

2 聚类应用

（1）出版社 • 自动分类新闻内容 • 建议类似的文章 （2）医疗 • 表征病人的行为 （3）生物 • 聚类遗传标记以识别家庭纽带 （4）零售\市场 • 识别顾客购买的方式 • 推荐新书和新电影给顾客 （5）银行 • 支票的检测 • 识别用户群 （6）保险 • 索赔分析中的欺诈检测 • 顾客的投保风险

3 选择聚类方法的情况

（1）探索性数据分析 （2）总结概要 （3）离群值检测（outlier detection） （4）查重 （5）预处理步骤

4 聚类算法

（1）基于分区的聚类 • 相关高效，用于中等或者大型数据集 • K-means 、K-Median 、Fuzzy c-Means

（2）层次聚类 • 产生树的聚类 • 凝聚算法（Agglomerative algorithm）分割算法（Divison algorithm）

（3）基于密度的聚类算法 • 产生任意形状的簇 • DB scan算法