知识卡片
聚类:无标签下划簇
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:
- 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。
- 簇的个数通常要人来定或按准则搜,属于模型选择问题。
- 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?
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1章 机器学习概述 1.2 机器学习分类 · 查看原书依据
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。
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。