回答思路

什么是聚类算法 聚类(Clustering)是无监督学习（unsupervisied learning），即不需要标签。 聚类是按照某个指标(如样本间的距离)把一个整个数据集分割成不同的类或簇（cluster），使类内元素的相似性尽可能大，类间元素的相似性尽可能地小。 简单来说，聚类使同一类的数据尽可能聚集到一起，不同类数据尽量分离。 聚类的一般步骤 数据准备：特征标准化（白化，whiting） 特征选择：特征降维，选择最有效的特征 特征提取：对选择的特征进行转换，提取出更有代表性的特征 聚类：基于特定的度量函数进行相似度度量，使同一类的数据尽可能聚集到一起，不同类数据尽量分离，得到各个簇的中心，以及每个元素的类标签 评估：分析聚类结果，如距离误差和(SSE)等 常用聚类算法有哪些、对应的度量函数分别是 聚类算法 Geometry (metric used) K-Means（K-均值） Distances between points（点之间的距离） Mean-shift Distances between points（点之间的距离） Spectral clustering Graph distance (e.g. nearest-neighbor graph)（图距离（例如最近邻图） Ward hierarchical clustering Distances between points（点之间的距离） DBSCAN Distances between nearest points（最近点之间的距离） Gaussian mixtures（高斯混合） Mahalanobis distances to centers（ 与中心的马氏距离） 聚类跟分类的本质区别 聚类是无监督，分类是有监督