聚类分析及其原理介绍(一个公式也没有)

聚类分析，顾名思义，就是聚集并分类，它是一种对数据进行分类的方法。你输入一组有很多参数的数据，并指定分类组数。通过聚类分析，就能将其分成你指定的组数

聚类分析是干什么用的呢，拿B站用户举个例子：

作为一名某站萌新用户，你有很多个人特征，从最基本的个人信息如性别、年龄、地区，到你的观看特征，如常看的视频种类、关注的UP主类型、追的番剧……甚至还可以有更细化的特征：如上站时间段、滑动屏幕速度……

好了，现在有很多很多的用户信息，你想把这些用户分类，以推荐用户感兴趣的视频给他们，该怎么做呢？可以用聚类分析啦！

我们把每个人的数据(性别、年龄、地区、……)作为高维空间的坐标输入程序，系统会根据这些坐标，通过某些算法进行分类。

好了，下个定义吧：

维基百科：

提一嘴，什么叫“无监督学习”啊 战术后仰

那就得提一句有监督学习是什么了 好像跑题了

机器学习分为有监督学习、无监督学习、半监督学习。

有监督学习呢，顾名思义就是有人监督。就是有100个水果，你拿出一半来，人工标记上它们是否是苹果，然后你再把50个是否是苹果的结果告诉电脑，这就是所谓训练集，也就是用来给程序构建数学模型的集合。

另一半呢，用来做测试，也就是不标记它们是不是苹果，直接让电脑用刚才生成的模型去判断，这就是测试集。用于评估程序好坏。

而无监督学习呢，顾名思义就是无人监督。直接把数据丢进程序，让程序根据写好的分类方法去分类。这样的分类结果，可能和人的常理不同。这个时候就需要人发挥口胡思维，去解释机器的分类结果了。

好了扯回来，聚类分析。聚类分析就是无监督学习，因此你需要去口胡分类结果。

常用的研究方法是依照A、B、C三个特征分类，但去看D特征在不同分类组的结果。

接下来简单介绍一下聚类分析的算法。

我最近使用的是分层分类法，因为它看起来很有逻辑，而且也比较简单好讲。分层聚类通过创建聚类树或树状图来对数据进行分组。

简单来说分层聚类就是将数据不断从根部分叉成二叉树，每个二叉树的子节点由分叉成二叉树……直到最后每个数据都自成一类。最后，同一个根节点上的数据就归为一类，而同层的、长在另一个根的数据，就是另一类。

当然，如果总是分叉，最后的分类结果会很复杂，我们还要对二叉树进行合理的剪枝。剪枝依据是让剪枝造成的损失最小化。

具体的数学算法需要一些信息学知识，都可以写好几篇专栏了，这里就先打住。

聚类分析常用软件是spss，matlab也可以实现，之后我会用matlab做一个可视化。

参考资料：

维基百科

matlab说明文档