kmean的聚类是否与一开始选取的向量有关 聚类分析是一种静态数据分析方法，常被用于机器学习，模式识别，数据挖掘等领域。通常认为，聚类是一种无监督式的机器学习方法，它的过程是这样的：在未知样本类别的情况下，通过计算样本彼此间的距离（欧式距离，马式距离，汉明距离，余弦距离等）来估计样本所属类别。从结构性来划分，聚类方法分为自上而下和自下而上两种方法，前者的算法是先把所有样本视为一类，然后不断从这个大类中分离出小类，直到不能再分为止；后者则相反，首先所有样本自成一类，然后不断两两合并，直到最终形成几个大类
构建用于文本聚类的空间向量模型时，应该如何作特征选择？ 具体方案可以参考2008年发表在WWW上的一篇论文：Learning to classify short and sparse text&web with hidden topics from large-scale data collections。需要注意的是，。
聚类分析中常见的数据类型有哪些 聚类分析，又称群分析，即建立一种分类方法：将一批样品或者指标（变量），按照它们在性质上的亲疏、相似程度进行分类。按其聚类的方法，数据类型有以下六种：①系统聚类分析：开始每个对象自成一类，然后将最相似的两类合并，合并过后重新计算新类与其它类的距离或相近性程度。这一过程一直继续下去直到所有的对象归为一类为止②调优法（动态聚类法）：首先对n个对象进行初步分类，然后根据分类的损失函数尽可能小的原则对其进行调整，直到分类合理为止；③最优分割法（有序样品聚类法）：开始将所有样品看成一类，然后根据某种最优准则将他们分割为二类、三类，一直分割到所需要的K类为止；④模糊聚类法：利用模糊集理论来处理分类的问题，他将经济领域中最有模糊特征的两态数据或多态数据具有明显的分类效果；⑤图论据类法：利用图论中最小支撑树的概念来处理分类问题；⑥聚类预报法：聚类预报弥补了回归分析和判别分析的不足。按分类对象的不同：聚类分为R型和Q型
如何评价聚类结果的好坏？ 聚类的结果可以运用以下方法评估。1.外部法：根据已知的真实分组评价聚类分析的结果，构造如下的混淆矩…
K-means聚类算法中的K如何确定？ 数据集中所需的聚类簇数k未知，有什么方法能够将k计算出来？使用无监督学习在一个数据量5000级别的数据集…
用于数据挖掘的聚类算法有哪些，各有何优势？ （https：//www. coursera.org/course/ml）A List of Data Science and Machine Learning http：//conductrics.com/data-science-resources/） 转载自 THU数据派 官方微信公众。
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。
