其他
第10.1 聚类算法的思想
各位朋友大家好，欢迎来到月来客栈，我是掌柜空字符。
本期推送内容如下，如果本期内容对你有所帮助，欢迎点赞、转发支持掌柜！
经过前面一系列的介绍，我们已经接触了多种回归和分类算法，并且这些算法有一个共同的特点，也就是它们都是有监督的学习算法。接下来，笔者就向大家介绍一类经典的无监督机器学习算法——聚类算法。
10.1 聚类算法的思想
在正式介绍聚类之前，我们先从感性上认识一下什么是聚类。聚类算法的核心思想就是将具有相似特征的事物“聚”在一起，也就是说“聚”是一个动词。俗话说： 人以群分，物以类聚，说的就是这个道理。
如图10-1所示，此图为3种类别的数据样本图，其中每种形状表示一个类别。聚类算法的目的就是将各个类别的样本点分开，也就是将同一种类别的样本点聚在一起。此时可能有人会问： 这不是和分类模型一样吗？刚刚接触聚类的读者难免会有这样一个疑问，即聚类和分类的区别在哪儿？聚类算法的核心思想是将具有相似特征的事物聚在一起。也就是说，聚类算法最终只能告诉我们哪些样本属于同一个类别，而不能告诉我们这些样本具体属于什么类别。因此，聚类算法在训练过程中并不需要每个样本所对应的真实标签，而分类算法却不行。
假如这里有100个样本的病例数据（包含正样本和负样本），并且通过聚类算法聚类后可以将原始数据划分成两堆，其中一堆里面有40个样本且均为一个类别，而剩下的一堆里面有60个样本且也为同一个类别，但现在这两堆究竟哪一个代表正样例，哪一个代表负样例，这是聚类算法无法告诉我们的。同时，在聚类算法中这“堆”就被称为聚类后所得到的簇（Cluster）。
至此，笔者相信读者已经明白了聚类算法的核心思想。那么，聚类算法是如何完成这一过程的呢？