『机器学习——周志华』第九章聚类

1、聚类试图将数据集中的数据划分为若干个通常是不相交的子集，每个子集称为一个“簇”(cluster)

2、聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名

思考：簇所对应的概念固然是可以任意命名的，但我们一般的规律仍然是通过样本的属性来命名的，这就意味着，有可能根据样本特征给不同的簇命名

3、聚类既能作为一个单独的过程，用于找寻数据内在的分布结构，也可作为分类等其他学习任务的前驱过程

4、聚类性能度量亦称聚类“有效性指标”，对聚类结果，我们需通过某种性能度量来评估其好坏

5、聚类性能度量大致有两类：外部指标和内部指标。

6、外部指标：将聚类结果与某个“参考模型”进行比较，如将领域专家给出的划分结果作为参考模型

7、内部指标：直接观察聚类结果而不利用任何参考模型

8、聚类既能作为一个单独过程，用于找寻数据内在的分布结构，也可作为分类等其他学习任务的前驱过程

9、