集群

已完成

聚类分析 是一种无监督机器学习形式，其中观察根据数据值或特征的相似性分组到聚类中。 这种机器学习被视为不受监督，因为它不使用以前已知的标签值来训练模型。 在聚类分析模型中，标签是群集，仅根据该群集特征向群集分配观察结果。

示例 - 聚类分析

例如，假设植物学家观察一个花卉样本，并记录每个花上的叶子和花瓣的数量：

数据集中没有已知的 标签 ，只有两 个特征。 目标是不确定花的不同类型的（物种）：只是根据叶子和花瓣的数量将类似的鲜花组合在一起。

叶 （x1）	花瓣 （x2）
0	5
0	6
1	3
1	3
1	6
1	8
2	3
2	7
2	8

训练聚类分析模型

有多种算法可用于聚类分析。 最常用的算法之一是 K-Means 聚类分析，其中包括以下步骤：

1. 特征 （x） 值进行矢量化以定义 n 维坐标（其中 n 是特征数）。 在花卉示例中，我们有两个特征：叶数（x₁）和花瓣数（x₂）。 因此，特征向量有两个坐标，可用于在概念上绘制二维空间中的数据点（[x_1，x2]）
2. 决定要用于对花进行分组的群集数 - 调用此值 k。 例如，若要创建三个群集，则 k 值为 3。 然后，在随机坐标中绘制 k 点。 这些点成为每个簇的中心点，因此称为 质心。
3. 每个数据点（在本例中为一朵花）都被分配到最近的质心。
4. 每个质心将根据分配给它的数据点之间的平均距离，移动到这些数据点的中心。
5. 移动质心后，数据点现在可能更接近其他质心，因此数据点将根据新的最近的质心重新分配给群集。
6. 质心移动和群集重新分配步骤会重复执行，直到群集变得稳定或达到预定的最大迭代次数为止。

下面的动画展示了此过程：

评估聚类分析模型

由于没有用于比较预测聚类分配的已知标签，因此对聚类分析模型的评估基于结果分类彼此分离的方式。

可以使用多个指标来评估群集分离，包括：

• 群集中心的平均距离：平均而言，群集中的每个点与群集的质心相近。
• 与其他中心的平均距离：平均而言，群集中的每个点与所有其他分类的质心相近。
• 聚类中心的最大距离：聚类中点与其质心之间的最远距离。
• 剪影：一个介于 -1 和 1 之间的值，用于汇总同一分类中点与不同分类中的点之间的距离比率（越接近 1，分类分离越好）。