聚类

资 源 简 介

聚类

详 情 说 明

聚类是一种无监督学习技术，用于将数据集中的样本划分为若干组（称为“簇”），使得同一簇内的样本彼此相似，而不同簇的样本差异较大。它广泛应用于客户分群、图像分割、异常检测等领域，无需预先标注数据，仅依靠样本间的距离或相似度自动完成分组。

核心概念包括： 距离度量（如欧氏距离、余弦相似度）决定样本间的相似性计算方式； 聚类算法（如K-Means、层次聚类、DBSCAN）提供不同的分组策略； 评估指标（如轮廓系数、肘部法则）帮助验证聚类效果。

聚类的结果高度依赖于算法选择和参数调优，需结合业务场景权衡簇的粒度与解释性。