10种最频繁使用的聚类算法（附Python代码）

10

种最频繁使用的聚类算法（附

Python

代码）

来自网络

聚类或聚类分析是无监督学习问题。它通常被用作数据分析技术，

用于发现数据中的有趣模式，例如基于其行为的客户群。有许多聚类

算法可供选择，对于所有情况，没有单一的最佳聚类算法。相反，最

好探索一系列聚类算法以及每种算法的不同配置。在本教程中，你将

发现如何在

 python 

中安装和使用顶级聚类算法。

完成本教程后，你将知道：

•

聚类是在输入数据的特征空间中查找自然组的无监督问题。

•

对于所有数据集，有许多不同的聚类算法和单一的最佳方法。

•

在

 scikit-learn 

机器学习库的

 Python 

中如何实现、适配和使用

顶级聚类算法。

教程概述

本教程分为三部分：

一、聚类

聚类分析，即聚类，是一项无监督的机器学习任务。它包括自动

发现数据中的自然分组。与监督学习（类似预测建模）不同，聚类算

法只解释输入数据，并在特征空间中找到自然组或群集。

聚类技术适用于没有要预测的类，而是将

实例划分为自然组的情况。

—源自：《数据挖掘页：实用机器学习工

具和技术》

2016

年。

群集通常是特征空间中的密度区域，其中来自域的示例（观测或

数据行）比其他群集更接近群集。群集可以具有作为样本或点特征空

间的中心

(

质心

)

，并且可以具有边界或范围。

这些群集可能反映出在从中绘制实例的域

中工作的某种机制，这种机制使某些实例彼此

具有比它们与其余实例更强的相似性。