以最易懂的人话讲分类和聚类算法（建议分享）

今天在使用聚类方法进行客户价值分析时遇到了个问题，将我卡住了半个小时，实际上现在想来是一个很简单的问题，但是大家都知道，一个人脑子短路时就是会一个小学数学题也做不出来。

但是虽然简单，在知乎或者是csdn上我也没有找到合适的答案，后面正在我想放弃自己挣扎放下面子问同事时，突然就灯泡就亮了。

于是我决定要和大家分享一下。

我做的是一个将客户按照价值分成几个群体的简单任务，需要将客户分成几个群体后画出下面这样的雷达图，然后进行分析

我们先来分析一下这样的图怎样做，雷达图的制作在前面的文章中我已经讲过怎样实现。还不知道的请自行阅读

我们接着讲，要做这样的雷达图，我们首先就要先用聚类方法将数据样本聚类成合适的几个类，那聚成几个类呢？答案是不知道。实际上，对于聚类这个事情，要聚几个类比较合适我们是不知道的，我们在进行聚类之前都是不能够确定的，但是根据经验，聚类一般在3到10个类是比较合适的，不要觉得是我只是短浅了。你可以去找相关书籍来看，里面也会讲，只能根据经验来大致确定。因为对于对于聚类这个词来讲，本身就带了很多的不确定性。

比如一个班级有100人，你能预估他们最终能分成几个小的团体吗？当然了，你可能说能，反正这个团体数一定在1到100之间，哈哈，我信。

实际上前面都是废话，今天我想跟大家聊聊什么是分类和聚类。

聚类（clustering）和分类（classification）

“物以类聚，人以群分”，世界上的一切物质一定属于某个类别。这也是面向对象编程的设计思想。（对于什么是面向对象编程。不知道的朋友，翔宇推荐知乎一下或者查看我后面有没有相关文章，写这篇文章的现在是没有的哈，如果大家想看就在评论区留言，我后面会更新。）

知识储备：

分类（classification）

我们接着讲聚类，大家如果学习过一点机器学习的知识，应该就知道分类这个词。或者没有学过也没有关系。这个概念很简单。分类，顾名思义就是将东西分类。比如，我们班有100个人，然后他们每个人知道自己的身高，（假设身高大于1.78cm的属于高个子，1.60cm到1.78cm的属于中等个子，低于1.60cm的属于小个子），既然他们都知道自己的身高，就知道自己属于哪个类别。然后我们问全班同学都分别是属于哪个类别，现在，我们将数据统计一下就知道了到底每个类别有多少人。在机器学习中这就叫做分类。

可能就有同学问了，这样不是是个人就会吗？学什么机器学习，这不是扯犊子吗？没错，这样的事情确实是个人就会做，但是机器它不是人啊。所以它不会，那么我们为什么要让机器学习这样的算法呢？首先我们要先明白这样做的意义在哪里。

分类的意义
试想一个问题，上面很见到的分类大家都会，但是现在如果我们要分的不是高中低（这样的类别在机器学习中叫做标签）这几个类别了，而是想让大家根据身高和体重和体脂率划分同学体质好的有多少，体质一般的有多少，体质差的有多少。现在这些信息都在一张表上，大家觉得要把这项事情做出来得多大的工作量呢?而现在来了一个新同学，我们想知道它的体质怎么样，让我们人去查找表然后对比，这样的事又简单不简单呢？

或许上面的工作我们咬咬牙都是能做出来的，但是，如果这样的数据有100万、1000万甚至1亿条呢？大家这时候终于要放弃了吧！

因此，人做不了的事，我们交给计算机去做，但是机器只会1+0，没关系，我们将人类的想法换成计算机能够理解的算法，大家都知道计算机比人类最大的优势就在于一个字—快

咳咳，回来啊，想什么呢

这样工作有“人”帮我们做了，上班不就有时间摸鱼了？，这不就是计算机兴起的原因吗？现在我们来了1000个新同学，我们将数据给计算机，计算机直接告诉我们每一个新同学属于什么类型。这就是分类算法预测的原理。实际上统计中的回归（regression）预测也是类似的原理。

接下来，讲正题，聚类又是什么原理呢?

还是那100个同学，现在我们想知道这100个人在身高上会分成几个类别呢？我们不知道该怎么分，但是，我们想将它们分成三个类别，最好像前面分类那样的标准，不过现在有觉得那样分太带主观意志了，我们想按照人数分布来分，比如，我们发现1.51cm到1.60cm的同学有30个，1.65-176的同学有40个，1.78到1.85的同学有20个，而其他的就几个人的身高在其他的范围随意分布。这时候，我们知道，这样以上这种分类比之前那种好，为什么呢?,因为大多数人身高就分布在这几个区间。

那么剩下的高于1.85、低于151以及高于160又小于165的还有1.76-1.78，这些人怎么分呢？答案就是，离那个类别更接近就分在哪个类别。也就是说，例如1.62cm，这个身高更接近1.51-1.60这个类别的同学的身高，那我们就将它划分在这个类别。同样，其他的同学也是一样的原理划分。（当然这个例子举得太极端不说，还不符合统计学原理，这里只是为了使得大家能更好的理解聚类的原理）

上面这个就是聚类的原理例子。那么我们接着假设，我们将这100个同学分成三个类别也是我们主观控制的，如果我们说分为四个类、五个类、六个类别呢？是不是分析的结果又会不同呢？并且我们不知道到底分成几个类别会更合适，于是就有了上面讲到的聚类成几个类别通常一开始是不能够确定的，但是根据经验，一般分成设定3-10个类别里面会有比较合适的类别个数。于是我们在做聚类分析时一般就一步一个脚印，将设定不同个数类别（机器学习里面一般叫簇cluster）的聚类模型进行评估，最后选取最好的模型来进行聚类。对于模型的评估，我们下一篇文章讲聚类的典型算法—K-Means（K-均值）算法再详细为大家解析。

总结

分类算法是有监督学习算法，而聚类是无监督学习算法，区别就是有监督学习算法在模型训练时数据是有标签的（已经分好类别）训练好的模型一般用于预测新的数据集，无监督学习则是说，我们之所以训练数据，就是将数据聚成几个类别。从而进行相关的应用。

下一篇文章–聚类以及典型算法K-Means的原理及实现
持续更新中，请大家关注Eternal的公众号“数据分析者”以防错过文章。

好了，这期内容我们就分享到这里，我们下期再见！

以最易懂的人话讲分类和聚类算法（建议分享和收藏）相关推荐

分类与聚类算法基础了解
分类与聚类,监督学习与无监督学习在讲具体的分类和聚类算法之前,有必要讲一下什么是分类,什么是聚类,以及都包含哪些具体算法或问题. Classification (分类),对于一个 classifie ...
c语言编程入门教程+网易,人话讲编程·C语言入门:第一讲,Hello World
//前言 "凡是能够说的,都可以说清楚;凡是不能说的,就应该保持沉默." 维特根斯坦的这一教诲,令人深思--教育乃至生活,人生中的许多问题,都坏在这一点上--本来能够说清楚的,结果 ...
机器学习中常见的分类回归聚类算法小结
Date: 2019-08-15 今天开始总结和复习机器学习知识点: 一句话概括: 1. 聚类:无监督学习,学习结果将产生几个集合,集合中的元素彼此相似: 2. 分类:有监督学习,学习结果将产生几个函 ...
分类和聚类的区别以及各自的常见算法
1.分类和聚类的区别: Classification (分类),对于一个classifier,通常需要你告诉它"这个东西被分为某某类"这样一些例子,理想情况下,一个 classif ...
网络七层结构（讲人话）
整个网络当中,最基本或者是最核心的就是数据的传输,整个网络的搭建,都是为数据传输服务的,我们类比一下快递物流的例子,就可以初步理解这七层都是干嘛的了: 1. 应用层应用层的作用是为应用程序提供服务并 ...
数据库关系范式——第一范式、第二范式、第三范式、BC范式【通俗易懂，博主会讲人话】
范式:是符合某一种级别的关系模式的集合. 说白了,就是对关系模式的一种规范化. 范式分为:第一范式.第二范式.第三范式.BC范式.第四范式.第五范式.后面两种在这里不讨论. 1.第一范式(1NF):关 ...
干货 | 深度学习的可解释性研究（一）：让模型「说人话」
在这篇文章中: 可解释性是什么? 我们为什么需要可解释性? 有哪些可解释性方法? 在建模之前的可解释性方法建立本身具备可解释性的模型在建模之后使用可解释性性方法作出解释关于 BIGSCity 参 ...
决策树随机森林 xgboost_从决策树到随机森林理论篇从人话到鬼话：看不懂来找我麻烦...
从决策树产生的一些列的问题,过度到随机森林: 全文大概要阅读10分钟: 随机森林算法范畴监督学习分类算法,基模型是由决策树组成决策树决策树模型与学习特征选择决策树生成决策树剪枝 CART算 ...
用人话讲明白线性回归LinearRegression
文章目录 1.什么是回归 2.一元线性回归 3.损失函数 4.最小二乘估计 5.小结 1.什么是回归当我们学习一门新课程.接触一个新专业时,总会对该领域的专有名词感到困惑,甚至看完解释仍难以理解其含 ...

以最易懂的人话讲分类和聚类算法（建议分享和收藏）

以最易懂的人话讲分类和聚类算法（建议分享）

以最易懂的人话讲分类和聚类算法（建议分享和收藏）相关推荐

最新文章

热门文章