简单粗暴理解与实现机器学习之聚类算法(一):聚类算法的概念、在现实中的应用、聚类算法与分类算法最大的区别

聚类算法

学习目标

  • 掌握聚类算法实现过程
  • 知道K-means算法原理
  • 知道聚类算法中的评估模型
  • 说明K-means的优缺点
  • 了解聚类中的算法优化方式
  • 应用Kmeans实现聚类任务
    在这里插入图片描述

6.1 聚类算法简介

1 认识聚类算法

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pHCHjOCj-1583250908060)(../images/cluster1.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-L5lD7AkJ-1583250908061)(../images/cluster2.png)]

使用不同的聚类准则,产生的聚类结果不同

1.1 聚类算法在现实中的应用

  • 用户画像,广告推荐,Data Segmentation,搜索引擎的流量推荐,恶意流量识别
  • 基于位置信息的商业推送,新闻聚类,筛选排序
  • 图像分割,降维,识别;离群点检测;信用卡异常消费;发掘相同功能的基因片段

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kaPEJEf2-1583250908062)(../images/cluster3.png)]

1.2 聚类算法的概念

聚类算法

一种典型的无监督学习算法,主要用于将相似的样本自动归到一个类别中。

在聚类算法中根据样本之间的相似性,将样本划分到不同的类别中,对于不同的相似度计算方法,会得到不同的聚类结果,常用的相似度计算方法有欧式距离法。

1.3 聚类算法与分类算法最大的区别

聚类算法是无监督的学习算法,而分类算法属于监督的学习算法。

发布了627 篇原创文章 · 获赞 839 · 访问量 11万+

猜你喜欢

转载自blog.csdn.net/qq_35456045/article/details/104645010