機器學習中五種常用的聚類算法

聚類是機器學習中一種重要的無監督算法，它可以將數據點歸結爲一系列特定的組合。理論上歸爲一類的數據點具有相同的特性，而不同類別的數據點則具有各不相同的屬性。在數據科學中聚類會從數據中發掘出很多分析和理解的視角，讓我們更深入的把握數據資源的價值、並據此指導生產生活。以下是五種常用的聚類算法。 K均值聚類 這一最著名的聚類算法主要基於數據點之間的均值和與聚類中心的聚類迭代而成。它主要的優點是十分的高效，

>>阅读原文<<