聚类
聚类
把一堆对象分类，使每个类内的对象距离最小，每个类之间的距离最大。
聚类与分类的区别
分类中，有两堆数据，一堆是用来训练的，一堆是用来测试的。就像是一群学生，先教授知识，之后再考试，看这群学生掌握了多少，以此来评估这个教授方式如何？
聚类中，就是给你一堆数据，你不知道这堆数据一共分为几类，然后，你通过反复试验，把这堆数据一堆堆分开，就像是一群学生，你要把这群学生进行分类，你可以根据他们坐的位置，或者是性格等，就把这些人分开了。（当然，有时候我们为了看该聚类算法的效果，也会知道这些数据的标记是什么，所以这其实跟分类也有共同点）
聚类的方式
有两种聚类方式，一种是Partitional Clustering，就是说另一种是Hierarchical Clustering。不解释，下图说明问题。
Partitional Clustering
K-means算法介绍
1、在n个中，选取k个作为类中心，把其他n-k个对象进行归类，归类的方法就是看这些对象离那个中心近，就把这个归为哪一类
2、更新类中心，再重复上一步骤，直到均方差收敛位置，更新方法就是把每个类的各个对象求下平均作为该类的中心
K-means算法的局限
1、k如何选定，就是说类的个数如何确定？
2、点如何选定，有可能选取的是离群点
3、K-means算法中，默认对象的分布情况是球状的
4、每个类的对象是不同数量级别的，用标准差来衡量的话，效果可想而知
5、每个类的对象是不同密度级，也会有以上问题
K-means算法的一些改进（与上对应）
1、首先自己得有个估计，确定一个大致范围，再多做几次，比较效果，因此聚类中研究的方法很多，也很灵活
2、可以使用二分K-means，该算法是选取两个点，去均值，从某种程度上能解决离群点的问题
3、这个，我觉得除了定义距离之外，还可以定义联通性或者粘合度来判断，这些对象是否属于同一类
4、可以多选几个类中心，得到类的数量大于k，再进行合并。
