两套学习资料都类似，可参考聚类算法实战

一、聚类

聚类：物以类聚，人以群分，是无监督学习中的一种。
没有y，只有x，把不同的x根据相似度自动的聚成好多堆儿
本质上，N个样本，映射到K个簇中，每个簇中至少含有一个样本，一个样本只属于一个簇
最基本：先给定一个初始划分，迭代改变样本和簇的隶属关系，每次都比前一次好

二、相似度用于场景

Ⅰ，系统推荐

两点在二维空间距离公式：
两点在三维空间距离公式：
闵可夫斯基距离公式：
当p=2时，即为欧氏距离；当p=1时，即为曼哈顿距离(Block Distance)；当p趋近于∞，即为切比雪夫距离。

Jaccard similarity coefficient，用于比较有限样本集之间的相似性与差异性
Jaccard系数值越大，样本相似度越高

例如：狗蛋儿喜欢1，2，3，4，5
系统给狗蛋儿推荐方案①[1,2,3,6,7,8]，方案②[1,2,3]
这两个方案按个推荐的效果好？此时就可以通过Jaccard相似系数来进行比较
方案①：3/8、方案②：3/5
故方案②效果更佳

集合A和集合B相交越多，它的相似性越强，当然要考虑它们并在一起的大小，因为集合越大越可能相交的越多，这就有了Jaccard相似系数
可以度量集合，考虑热门商品
空间嵌入点的问题，有时会用欧式距离，有时会用余弦距离，度量文档相似性

Ⅱ，网页去重、防考试作弊、论文抄袭检查等

Ⅲ，余弦相似度

余弦距离，余弦相似度

余弦值的范围在[-1,1]之间，值越趋近于1，代表两个向量的方向越接近；越趋近于-1，他们的方向越相反；越趋近于0，这两个向量几乎正交
最常见的应用是计算文本相似度，将两个文本根据他们的词，来建立两个向量，计算这两个向量的余弦值，就可以知道这两个文本在统计学方法中他们的相似度情况
文档相似度测量考虑推荐SimHash
余弦其实就是Jaccard的分母，看重的是相同的部分，如果是欧氏距离，看重的是差异

Ⅳ，Person相关系数(只能测量线性相关性，1为最相似)和相对熵

①Person相关系数

当该公式中的X^和Y ^为零时，就变成了余弦相似度

两个变量之间的皮尔逊相关系数定义为：两个变量之间的协方差(分子)和标准差(分母)的商

②相对熵

P和Q相同，相对熵为0

相对熵为交集∩，交叉熵为并集∪

十二、聚类算法——相似度测量相关推荐

02 聚类算法 - 相似度距离公式、维度灾难
聚类就是对__大量未知标注__的数据集,按照数据__内部存在的数据特征__将数据集划分为__多个不同的类别__,使__类别内的数据比较相似__,__类别之间的数据相似度比较小__. 聚类算法的重点是计 ...
（十二）算法设计思想之“分而治之”
算法设计思想之"分而治之" 分而治之是是什么场景一:归并排序场景二:快速排序 LeetCode:374.猜数字大小 LeetCode:226.翻转二叉树 LeetCode:10 ...
新手探索NLP（十二）——文本聚类
简介聚类又称群分析,是数据挖掘的一种重要的思想,聚类(Cluster)分析是由若干模式(Pattern)组成的,通常,模式是一个度量(Measurement)的向量,或者是多维空间中的一个点.聚类分 ...
03 聚类算法 - K-means聚类
02 聚类算法 - 相似度距离公式.维度灾难二.K-means聚类给定一个有M个对象的数据集,构建一个具有k个__簇__的模型,其中__k<=M__.满足以下条件: 1.每个簇至少包含一个对 ...
排序算法——十大排序算法总结与对比
一.十大排序算法复杂度对比二.关于排序算法的总结 1.基数排序仅仅适用于整型数的排序,一般不与另外的排序方法一起比较. 2.关于算法的稳定性:不稳定的算法有 "快希选堆"--快速 ...
理论+实战，一文详解最常使用的10个聚类算法(附代码)
聚类或聚类分析是无监督学习问题.它通常被用作数据分析技术,用于发现数据中的有趣模式,例如基于其行为的客户群.有许多聚类算法可供选择,对于所有情况,没有单一的最佳聚类算法. 相反,最好探索一系列聚类算法 ...
10种Python聚类算法完整操作示例（建议收藏
来源:海豚数据科学实验室著作权归作者所有,本文仅作学术分享,若侵权,请联系后台删文处理 !!文末附每日小知识点哦!! 聚类或聚类分析是无监督学习问题.它通常被用作数据分析技术,用于发现数据中的有趣模 ...
python 散点图聚类,【聚类算法】10种Python聚类算法完整操作示例(建议收藏
点击上方,选择星标,每天给你送干货! 来源:海豚数据科学实验室著作权归作者所有,本文仅作学术分享,若侵权,请联系后台删文处理聚类或聚类分析是无监督学习问题.它通常被用作数据分析技术,用于发现数据中的 ...
Python 实操案例：一文详解10种聚类算法
聚类或聚类分析是无监督学习问题.它通常被用作数据分析技术,用于发现数据中的有趣模式,例如基于其行为的客户群.有许多聚类算法可供选择,对于所有情况,没有单一的最佳聚类算法.相反,最好探索一系列聚类算法以 ...

十二、聚类算法——相似度测量