机器学习之聚类分析培训讲义(PPT 48页)

什么是聚类
距离度量方法
几种常见的聚类方法
练习
概述
监督学习（supervisedlearning）
无监督学习（unsupervisedlearning）
半监督学习（Semi-SupervisedLearning）
从给定的训练数据集中学习出一个函数（模型参数），
当新的数据到来时，可以根据这个函数预测结果
监督学习就是最常见的分类问题
监督学习的目标往往是让计算机去学习我们已经创建好的分类模型
最典型的算法是KNN和SVM
输入数据没有标记，也没有确定的结果
样本数据类别未知，需要根据样本间的相似性对样本集进行聚类
非监督学习目标不是告诉计算机怎么做，而是让计算机自己去学习怎样做
无监督学习的方法分为两大类：
基于概率密度函数估计的直接方法
基于样本间相似性度量的简介聚类方法：设法定出不同类别的核心或初始内核，
然后依据样本与核心之间的相似性度量将样本聚集成不同的类别
什么是聚类？
“物以聚类，人以群分”
所谓聚类，就是将相似的事物聚集在一起，
而将不相似的事物划分到不同的类别的过程，是数据分析之中十分重要的一种手段。
在图像分析中，人们希望将图像分割成具有类似性质的区域
在文本处理中，人们希望发现具有相同主题的文本子集
在顾客行为分析中，人们希望发现消费方式类似的顾客群，
以便制订有针对性的客户管理方式和提高营销效率
这些情况都可以在适当的条件下归为聚类分析
..............................