从数据中发现天然分组的概念叫做无监督的划分，或简称为聚类。

1. 几种聚类

1.1 层次聚类

层次聚类不仅仅构造了“聚类”，或是个体的一系列单纯分组，还构造了一系列对数据点进行分组的方法。不妨设想用一条水平线对树状图进行“切割”，并忽略线以上的部分，随着水平线下移，我们会得到包含越来越多个簇的不同聚类方式。

聚类 - 图1

层次聚类的好处之一是，数据分析师可以在决定获取的簇个数之前看到分组情况，即数据相似性的“格局”。我们可以根据想要的簇的树木，在图表的任意位置进行切割，如图中水平虚线所示。

1.2 最邻近聚类：根据形心的聚类

最常用的基于形心的聚类算法称作K-均值聚类（K-means cluster），K-均值的“均值”指的是形心，即簇中实例在每个维度上的值得算术平均值（平均值）。
最后比较聚类结果的时候，可以通过检验簇来比较，也可以根据数值指标比较，如簇的失真度。失真度即簇中所有数据点与其对应簇形心的距离平方之和，失真度越低，聚类越优良。

Todo

  • 添加更多的聚类种类
  • 添加聚类实现方法（详细的单独开篇，这里附上链接）
  • 添加使用的注意事项和评价机制等等

统计学中有一句老话：“相关性不是因果关系”，指两个事件共现并不意味着两者之间存在因果关系。聚类中也有一句相似的警告：“语法相似不等于语义相似”，不能因为两件事物（尤其是两篇文章）有相同的表面特征，就认定他们语义上也一定相关。