1 简介

聚类Clustering ： 将数据集中的样本划分为若干个通常不相交的子集，每个子集称为簇（cluster）。
簇cluster：A group of objects that are similar to other objects in the cluster ,and dissimilar to data points in other clusters
一组与集群中其他对象相似，但与其他集群中的数据点不同的对象称为簇

2 聚类应用

（1）出版社
• 自动分类新闻内容
• 建议类似的文章
（2）医疗
• 表征病人的行为
（3）生物
• 聚类遗传标记以识别家庭纽带
（4）零售\市场
• 识别顾客购买的方式
• 推荐新书和新电影给顾客
（5）银行
• 支票的检测
• 识别用户群
（6）保险
• 索赔分析中的欺诈检测
• 顾客的投保风险

3 选择聚类方法的情况

（1）探索性数据分析
（2）总结概要
（3）离群值检测（outlier detection）
（4）查重
（5）预处理步骤

4 聚类算法

（1）基于分区的聚类
• 相关高效，用于中等或者大型数据集
• K-means 、K-Median 、Fuzzy c-Means

（2）层次聚类
• 产生树的聚类
• 凝聚算法（Agglomerative algorithm）分割算法（Divison algorithm）

（3）基于密度的聚类算法
• 产生任意形状的簇
• DB scan算法