知识卡片

普通读书笔记卡 · 5436

聚类依赖相似性定义

理解等级:中级

聚类将没有类别标签的数据按相似性分组,希望组内更接近、组间更不同。欧式距离与余弦相似性强调的几何关系不同,因此特征表示和相似性定义会改变分组结果。聚类得到的组号不是预先给定的真实分类标签。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 机器学习:范型与架构 · 查看原书依据

      对于非监督学习来说,最典型的问题就是聚类问题。聚类的目标是构建划分函数f ,通过f 将无类标号数据集合划分为k 个类别,被划分到同一个类别的数据实例之间有很高的相似性,而不同类别之间的实例具有较低的相似性。

    参考来源

    - 位置:《大数据日知录:架构与算法》第15章《机器学习:范型与架构》(来源项目:book-sources;源文件:extracted/大数据日知录_架构与算法/_epub-src/OEBPS/text00020.html) - 结论依据:原文在本章对聚类依赖相似性定义给出的定义、机制或示例支持本卡;技术产品描述限于2014年书中版本,示例与实测区分。 - 原始内容:对于非监督学习来说,最典型的问题就是聚类问题。聚类的目标是构建划分函数f ,通过f 将无类标号数据集合划分为k 个类别,被划分到同一个类别的数据实例之间有很高的相似性,而不同类别之间的实例具有较低的相似性。