知识卡片
聚类是无监督的分组
是什么 聚类按对象在属性上的相似性把它们归成若干簇:同簇对象彼此接近,异簇对象彼此远离。它属于无监督学习——数据没有预先标注的类别,分组结构必须由数据自身的分布显现出来。
与分类的区别 聚类不做预测,也不事先规定每一簇的含义。它只负责发现结构,因此常被当作分类的第一步:先分出簇,再由人给每个簇起名、贴标签。这个标签是事后主观赋予的,不是数据自带的答案。
为什么不能随手分段 按收入把客户切成“低于1万、1万到10万、10万以上”看似清楚,但切点只图便于解释,组内并无天然同质性——9万与11万的客户被分开,并没有内在理由。变量一多,靠人工划线很快失效,这正是聚类要解决的问题。
边界 聚类是探索工具,不是一次性给出定论的机器。结果好坏取决于属性选择、距离定义和 k 的设定,同一份数据换一种设定就可能换出一组簇。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 高级分析理论与方法:聚类 · 查看原书依据
大体上讲,聚类是指通过无监督(unsupervised)技术对相似的数据对象进行分组形成簇。由聚类所组成的簇是一组对象的集合,这些对象与同一簇中的对象彼此类似,与其他簇中的对象相异。
参考来源
- 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第4章 高级分析理论与方法:聚类(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0014_split_001.html)
- 结论依据:4.1 节用收入分段的反例说明人工划界缺少内在同质性,并明确聚类是无监督的探索方法、不作预测;4.2.1 与 4.4 节指出簇的标签只能在识别之后主观标注。
- 原始内容:大体上讲,聚类是指通过无监督(unsupervised)技术对相似的数据对象进行分组形成簇。由聚类所组成的簇是一组对象的集合,这些对象与同一簇中的对象彼此类似,与其他簇中的对象相异。