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。
如何对用户进行聚类分析？ 图片来源：http：//www.exegetic.biz/blog/2015/10/monthofjulia-day-30-clustering/ 如上图，数据可以被分到红。https：// archive.ics.uci.edu/ml/ datasets/Online+Retail# 。
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。
matlab如何代码实现分裂层次聚类？ 近需要用到层次聚类，发现在Matlab上很容易实现，下面是代码加详细注释[plain]view plain copyclear allclcclose allmdist=input('输入坐标文件名字\\n')；disp('读取数据坐标')获取坐标文件为二维的坐标，第一列为x轴坐标，第二列为y轴坐标xx=load(mdist)；获取数据的个数存至number[number，row]=size(xx)；获取距离矩阵，第二参数指定距离计算方法可选参数有'euclidean'：欧氏距离（默认）；'seuclidean'：标准化欧氏距离；'mahalanobis'：马氏距离；'cityblock'：布洛克距离；'minkowski'：明可夫斯基距离；'cosine'：余弦距离 'correlation'：相关性 'hamming'：汉明距离 'jaccard'：Jaccard相似度'chebychev'：Chebychev距离。yy=pdist(xx，'euclidean')；获取聚类，第二参数指定层次聚类方式'single'：单连通，最短距离法（默认）；'complete'：全连通，最长距离法；'average'：未加权平均距离法；'weighted'：加权平均法；'centroid'：质心距离法；'median'：加权质心距离法；'ward'：内平方距离法（最小方差算法）zz=linkage(yy，'single')；指定获取簇类个数Ncluster=input('输入类个数\\n')；获取指定Ncluster个数的聚类结果c=cluster(zz，'maxclust'，。
哪位大神可以提供k-prototype算法的matlab代码？用于文本聚类的。 聚类算法，不是分类算法。分类算法是给一个数据，然后判断这个数据属于已分好的类中的具体哪一类。聚类算法是给一大堆原始数据，然后通过算法将其中具有相似特征的数据聚为一类。K-Means算法的基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。然后按平均法重新计算各个簇的质心，从而确定新的簇心。一直迭代，直到簇心的移动距离小于某个给定的值。算法大致思路：1、从给定样本中任选几个点作为初始中心（我取k=2）2、计算其余点分别和初始中心点的距离，跟哪个初始中心近就跟那个中心点归为一类(欧式距离公式)，直到各自为“派别”3、在分好类的基础上按平均值的方法重新计算聚类中心点，再重复第二步.以此类推4、直到最后算法收敛（可以理解为中心点不再变动）则结束。
用于数据挖掘的聚类算法有哪些，各有何优势？
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
聚类与分类有什么区别 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。
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…
