​大侠幸会，在下全网同名[算法金]0基础转AI上岸，多个算法赛Top[日更万日，让更多人享受智能乐趣]1.引言数据分析中聚类算法的作用在数据分析中，聚类算法用于发现数据集中的固有分组，通过将相似对象聚集在一起来揭示数据的结构和模式。这种方法常用于市场细分、社交网络分

1.聚类是啥聚类是一种无监督学习算法，聚类会将数据集中的数据分成不同的簇，使得簇内的数据相似性尽可能大，簇间的相似性尽可能小。2.聚类算法2.1K-means算法思想：事先假设数据最终会聚成K个簇，初始随机选取K个点作为聚簇中心，聚簇完成后选取每个簇的质心作为新的聚簇

主要在K-means的理解1介绍K-means算法，以及具体的过程K-means算法是常用的聚类算法之一，属于无监督学习，主要用来将标签未知的数据划分成较少的类/簇，类内的样本差异要小，类间的样本差异要大，这可以帮助我们探索数据结构和分布。K-means的具体实现过程：（四步）初始化模型参数：聚类的簇

然后我们再来看,那么对于数据来说,我们分成几类比较合适呢,怎么衡量呢?我们之前做分类的时候,用的是准确率对吧,然后做回归问题的时候,用均方误差.而我们在Kmeans衡量分成几类比较好用的函数是,轮廓系数对吧,可以看到上面是轮廓系数的公式可以看到,他有两个点 可以看到公式中的a

聚类的定义聚类是一种非监督学习任务，其目的是发现数据中隐含的结构。 相似度度量样本之间的相似性对聚类的结果很关键，在聚类的时候，是根据相似度来聚类的。定义距离参

聚类算法中聚类数量的确定方法聚类算法是对实体进行分组归类的有效方法，也是有利于降低人力工作量的有效手段，例如先用AI聚类方法对实体数据进行聚类分组，再由人工介入指认，能