知识卡片

普通读书笔记卡 · 9822.d · 生成模型:DeepSeek-V4.1-Flash

聚类:无标签下划簇

理解等级:初级

无监督学习的训练样本没有标签,目标是揭示数据的内在规律与隐藏模式,为后续处理提供基础。它最常用的两项任务是聚类与降维(后者见 [[降维缓解维数灾难]])。

聚类又称群分析,做法是把整个数据集划分为若干个不相交的子集,每个子集称为一个簇(Cluster)。划分的准则有两条:同一簇内的样本尽可能相似,不同簇的样本尽可能不同。每个簇可能对应一个潜在类别,但类别名要人事后解释——模型不会告诉你”这一簇是高价值客户”。

它与分类的关键差别有三点:

  1. 没有真值可比对,无法直接算准确率,评价要靠轮廓系数、簇内平方和或业务解释。
  2. 簇的个数通常要人来定或按准则搜,属于模型选择问题。
  3. 输出的”类别”是新造的,与已有标签体系未必对得上。

用途分两种:作为独立过程寻找数据内在分布结构(市场细分、社群分析);作为分类等任务的前驱过程做预处理,比如先聚成粗粒度群体再分别建模。后续章节的 K-Means、层次聚类、密度聚类、谱聚类,区别就在于”相似”如何定义、簇的形状如何假设。

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

    参考来源

    - 位置:《机器学习基础:从入门到求职》第1章《第1章 机器学习概述》(源文件:extracted/机器学习基础:从入门到求职/_epub-src/OEBPS/text00004.html) - 结论依据:原文把聚类列为无监督学习的常用任务,定义为划分不相交子集,并说明簇内相似、簇间相异及可作前驱过程。 - 原始内容:聚类模型试图将整个数据集划分为若干个不相交的子集,每个子集被称为一个簇(Cluster)。通过这样的划分,每个簇可能对应于一些潜在的概念,如一个簇表示一个潜在的类别。