有哪些常用的聚类算法？ https：//www. kdnuggets.com/2018/06/5 -clustering-algorithms-data-scientists-need-know.html 翻译：非线性 审校：wanting 中文翻译首发于“集智学园”公众号
机器学习中的聚类分析，如何有效的确定簇数目大小？ 机器学习中聚类分析的算法的确要求要先确定分几类，也就是簇数，作为一个数据挖掘工作者，也经常会用到聚类分析，那么该怎样确定这个数呢？说一下我做聚类分析确定簇数的方法1，根据业务来定义做聚类分析首先要知道做的是什么，也就是我们的分析对象，举个例子，如果我们要对全国城市来聚类，那可以有四五个簇类，比如一线，二线，三线，四线及以下或者五线等等，具体要确定。要根据业务需求和场景，也可以和业务人员或者运营人员来商讨，毕竟你做的分析是要用到实际业务中，必须要让他们认可你的分析结果。在商讨的过程中重点要讨论一下这个分析所对应的业务需求，他们在什么情况下用到这个分析，分析的目的是为了什么，想要得到一个什么样的结果，这几点一定要搞清楚如果说，业务人员也无法给出数目，或者只给出大概的数据范围怎么办？不慌，业务人员肯定无法告诉我们，我们还可以根据拿到的数据来判断。2，根据数据分布来判断业务或运营人员无法给出准确的数目，这个很正常，要是他们都能清楚的知道要分多少类，那还要我们数据挖掘人员干嘛呢。业务人员只能知道大概，而我们要提供精准的分析结果。根据数据来判断，最常用到散点图，根据样本的分布情况来判断簇类数目。
数据分类和聚类有什么区别 简单地说，分类(Categorization or Classification)就是按照某种标准给对象贴标签(label)，再根据标签来区分归类。简单地说，聚类是指事先没有“标签”而通过某种成团分析。
