← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9778 · 生成模型:DeepSeek-V4.1-Flash

聚类没有唯一正确答案

理解等级:初级

聚类把没有标注的数据按相似程度分成若干组,属于无监督学习,与分类的根本差别是没有标准答案。同一批选民数据,既可以按年龄把“待业青年”和“应届毕业生”放在一起,也可以按收入把他们和“啃老族”放在一起,两种方案都能自圆其说,只能说各自在某个标准下更优。因此讨论聚类结果时,必须先说清“优良”是按什么定义的:是簇内距离、是业务用途,还是可解释性。还有一层代价:簇本身不带标签,算法输出的只是编号,必须回头看每组的原始数据,才能说出这一簇到底代表什么人。评价指标只能告诉你分得紧不紧,不能告诉你分得对不对。

这张卡片看不懂?

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20章 聚类分析 · 查看原书依据

      与前面研究过的一些问题不同,这些问题通常没有“正确的”聚类。一种可选的聚类方案是将一些“待业的千禧一代”与“应届毕业生”分成一组,而另一些则与“啃老族”分在一组。很难说哪种方案肯定比其他方案要好

    参考来源

    - 位置:《数据科学入门(第2版)》第20章 聚类分析(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0024.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「与前面研究过的一些问题不同,这些问题通常没有“正确的”聚类……」 - 原始内容:与前面研究过的一些问题不同,这些问题通常没有“正确的”聚类。一种可选的聚类方案是将一些“待业的千禧一代”与“应届毕业生”分成一组,而另一些则与“啃老族”分在一组。很难说哪种方案肯定比其他方案要好