问题汇总（4）：聚类

聚类说实话除了K-means，其他的我都不太懂，，，不懂也得写啊！！！

---

目录：
机器学习常见面试问题汇总
问题汇总（1）：逻辑回归
问题汇总（2）：支持向量机
问题汇总（3）：树模型
问题汇总（4）：聚类
问题汇总（5）：神经网络
问题汇总（6）：EM算法
问题汇总（7）：朴素贝叶斯

---

聚类算法有哪些？

聚类算法概览

• 基于分层
• 基于划分
• 基于密度
• 基于模型
• 基于网格

---

K-Means

伪代码：

选取k个初始质心（作为初始cluster）；
repeat：
    对每个样本点，计算得到距其最近的质心，将其类别标为该质心所对应的cluster；
    重新计算k个cluser对应的质心；
until 质心不再发生变化

K-Means的主要优点有：
1）原理比较简单，实现也是很容易，收敛速度快。
2）聚类效果较优。
3）算法的可解释度比较强。
4）主要需要调参的参数仅仅是簇数k。

K-Means的主要缺点有：
1）K值的选取不好把握，以及最开始质心的位置选取与结果关系也很大。
2）对于不是凸的数据集比较难收敛。
3）如果各隐含类别的数据不平衡，比如各隐含类别的数据量严重失衡，或者各隐含类别的方差不同，则聚类效果不佳。
4） 采用迭代方法，得到的结果只是局部最优。
5） k-means把任何点都归到了某一个类，对噪音和异常点比较的敏感。

如何确定K值的选取？

kmeans的k值选取方法

1. 手肘法（不断增大k，然后关注误差平方和这个指标，选择拐点处作为最优k值）

   
   手肘法

2. 轮廓系数法（求轮廓系数，平均轮廓系数越大，聚类效果越好，平均轮廓系数最大的k便是最佳聚类数。）

   
   轮廓系数法

---

DBSCAN

DBSCAN密度聚类

是相对抗噪音的，并且能处理任意形状和大小的簇。但是如果簇的密度变化很大，就会出现一些问题。

---

Kmeans 和 DBSCAN对比：

优缺点对比