标签：模式识别
一，引言
之前几个章节讨论的都是监督聚类，从本章开始讨论非监督聚类，即训练模式不带标签的情形。
聚类的步骤：
1，特征选择。选取最能够表示我们目标物体信息的特征。
2，相似性度量。给出两个特征量相似点或者不想似的地方。
3，聚类标准。聚类标准。可能由损耗函数（cost function）或者其他形式表达。
4，聚类算法。根据相似性度量和聚类标准，阐明数据的结构。
5，结果验证。
6，解释结果。
不同的特征、相似性度量、聚类标准和聚类算法会导致完全不同的结果。
主观性会一直伴随我们。（Subjectivity is a reality we have to live with from now on.）
聚类的应用：
1，数据简化。
2，提出假设。
3，验证假设。
4，基于组群的预测。
二，相似性度量
1，点间度量
2，点和数据集间度量
3，数据集间度量
[模式识别].(希腊)西奥多里蒂斯<第四版>笔记10之__聚类：基本概念,布布扣,bubuko.com
[模式识别].(希腊)西奥多里蒂斯<第四版>笔记10之__聚类：基本概念
标签：模式识别
原文地址：http://blog.csdn.net/glb562000520/article/details/38226283
