什么是聚类分析？
聚类分析是一种非监督式机器学习形式，在此形式下，基于观察值的数据值或特征的相似性，将观察值分组到群集中。 这种就是非监督式机器学习，因为它不使用先前已知的标签值来训练模型。 在聚类分析模型中，标签是群集，仅根据该群集特征向群集分配观察结果。
例如，假设一位植物学家观察花的样本，并记录每支花上的花瓣和叶子的数量。
根据花的特征之间的相似性将这些花分组到群集中可能会很有用。
有多种方法可以确定此分组。 例如，如果大多数花朵的叶数相同，则可以按花瓣数量的多少对花朵进行分组。 或者，如果花瓣和叶的计数差异很大，则可能会发现一种模式，例如，叶数多的花朵的花瓣也很多。 聚类分析算法旨在找到将数据集拆分为组的最佳方法。 “最佳”的含义取决于使用的算法和提供的数据集。
尽管这种花朵示例很容易分类，只有一些样本，但当数据集增长到数千个样本或超过两个特征时，聚类分析算法对于快速将数据集分类成各组非常有用。