一般的聚类方法

一般的聚类方法
说实话一般的聚类方法这事儿，我一开始也是瞎摸索。

我就觉得聚类嘛，不就是把相似的东西放到一堆儿嘛，可真做起来才知道这里面门道可多了。

我最早尝试的就是划分聚类方法里面的K - 均值聚类法。

我当时想着，这把数据聚成K堆儿，应该不难吧。

我就一股脑儿地开始干，先随手给定了个K值，把数据点到处分。

结果出来一看，哎呀，简直是一团糟。

有些簇里的数据乱七八糟的，根本就不相似。

后来我才知道，K值可不是能随便定的，得根据实际情况判断。

你比如说，你有一堆销售数据，你要按照销售额聚类，你得大概知道你想要分成几类，可能是高销售额、中销售额和低销售额这三类，那K就是3。

不过这有时候也挺难判断的，我就有好几次判断错了，得到的聚类结果就很不符合常理。

再后来我又试了层次聚类。

这层次聚类就有点像盖房子，一层一层往上搭。

它先把每个数据点都当成一个小的聚类，然后慢慢地合并相似的那些小聚类。

这个方法好就好在它不用事先定那个K值，但是它有个缺点就是计算量比较大。

我做一个中等规模的数据聚类的时候，电脑差点没死机。

我当时就等啊等，等那个结果出来，等得我都怀疑自己是不是做错了。

所以到后面我就学聪明了，如果数据量小一点的时候，我就优先考虑层次聚类。

还有一种密度聚类方法我也试过。

这个就像是在一群星星里面找星团，密度高的地方就是一个聚类。

这个方法对形状不规则的数据聚类比较好。

我有一次处理一些地理数据，那些数据分布歪歪扭扭的，用K - 均值和层次聚类效果都不太好。

我就试了这个密度聚类，结果很不错呢。

不过这个方法的参数也不好调，得慢慢试。

我在做聚类的时候还发现一个很重要的点，数据的预处理特别重要。

要是数据不清洗一下，里面有好多错误值或者离群点的话，那聚类结果肯定不对。

就好比你要把一群水果分类，里面有好多烂水果和长得特别奇怪的水果混在里面，你就很难分得准确。

所以一定要在聚类之前，把数据处理好。

反正一般的聚类方法想要用好，就得不断地尝试，每个方法的优缺点要心里有数，数据预处理也一定要做到位。

另外，在实际操作的时候，可视化也很重要。

你想啊，要是你把数据聚类完了，但是你看不到那些聚类的效果，你怎么知道自己做的对不对呢。

就像你做拼图，你不看最后的图案，你怎么知道自己拼好了呢。

我就常常把聚类的结果用图形表示出来，有时候一看图形我就知道哪个地方有问题，然后再调整聚类的方法或者参数。

我还听说过一些其他的聚类方法，像高斯混合模型聚类，但是我还没
来得及实践。

不过道理应该也是类似的，都是找到数据的相似性，然后把数据分开。