聚类算法（K-means & AGNES & DBSCAN）_基于agnes算法的例题

一、聚类算法基本概念

1. 定义：

聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。简单来讲就是把相似的东西分到一起。

2. 无监督学习

我们一定要区分开聚类算法和分类算法。分类算法是训练一个分类器，根据已知的事物和对应的标签进行学习、训练，属于有监督学习。而聚类算法仅仅是把相似的事物分成一组，没有标签，属于无监督学习。

3. 常见的聚类算法

主要的聚类算法可以划分为如下几类：（1）划分方法 （2）层次方法 （3）基于密度的方法 （4）基于网格的方法 （5）基于模型的方法。本讲主要介绍以下三种聚类算法