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。
用于数据挖掘的聚类算法有哪些，各有何优势？ 这个问题我也想过，想的不太系统。比较分类算法的话，大概考虑这几个维度：时间空间复杂度，鲁棒性，参数…
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…
所有的聚类算法都要指定\ 一，K-Means聚类算法原理k-means 算法接受参数 k然后将事先输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小.聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的.
聚类算法的每个簇中对象个数相同吗 是否可能取决于你的算法是如何实现的。建议你看看weka和matlab的km算法实现。聚类数小于k的原因是聚类过程中出现空簇，如果没有特殊的处理，这个问题是无法在后续的循环中自行解决的。weka的实现是允许输出聚类数小于k的，出现空簇就直接将空簇删除；而matlab的km有一个参数用于解决聚类数小于k的问题，例如直接选择最远离聚类中心的点作为一个新的簇。
在大数据分析中哪些聚类算法是最常使用的？ 聚类算法那么多，并不清楚具体哪些才是真正用的到的，不能够选择性的学习.
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
用于数据挖掘的聚类算法有哪些，各有何优势？ 如果真要做全面介绍的话，有可能是一部专著的篇幅。即使是做综述性的介绍，一篇三五十页的论文也可以写成…
K-means聚类算法中的K如何确定？ 泻药，可以参考下R语言使用最优聚类簇数kmean、k-medoids聚类进行客户细分案例原文链接：http：//tecdat.…
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。
