聚类工具 聚类 分类 聚类分析起源于分类学，但是聚类不等于分类。聚类与分类的不同在于，聚类所要求划分的类是未知的。 不知晓每个分类的具体含义。 与分类规则不同，进行聚类前并不知道将要划分成什么样的组，也不知道根据哪些空间区分规则来定义组。 聚类 每个分类有人为规定的具体含义。 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。 分类
聚类工具：应用举例 商业： 聚类分析被用来发现不同的客户群，并且通过购买模式刻画不同的客户群的特征。 聚类分析是细分市场的有效工具，同时也可用于研究消费者行为，寻找新的潜在市场、选择实验的市场，并作为多元分析的预处理。 生物： 聚类分析被用来动植物分类和对基因进行分类，获取对种群固有结构的认识
聚类工具：应用举例 自然语言： 作为一种无监督的机器学习方法，聚类由于不需要训练过程、以及不需要预先对文档手工标注类别，因此具有较高的灵活性和自动化处理能力，成为对文本信息进行有效组织、摘要和导航的重要手段。 例如词向量 将实体表示为多维向量 执行聚类算法
聚类算法 最常用的聚类算法：k-means 1.选取k个初始中心点 本例将样本点分为三类，初始中心点为（0.2,0.2） （0.3,0.3） （0.4,0.4）
聚类算法 最常用的聚类算法：k-means
聚类算法 最常用的聚类算法：k-means 3.计算属于同一类的所有点的均值点，作为该类新的中心点
聚类算法 最常用的聚类算法：k-means 1.选取k个初始中心点 3.计算属于同一类的所有点的均值点，作为该类新的中心点（更新中心点） 4.迭代2~3步，直到中心点不再变化
聚类算法
聚类算法 1.思想简单，容易实现 2.计算复杂度低 3.收敛迅速，且效果中上（别人说的） 4.参数只有一个（k），方便调参试验 K-means的优点： 1.思想简单，容易实现 2.计算复杂度低 3.收敛迅速，且效果中上（别人说的） 4.参数只有一个（k），方便调参试验
聚类算法 K-means算法的改进方案有很多，例如k-medoids等。 它们都属于聚类算法中的Partitional aproach（分割方法）： 建立数据的不同分割，然后用相同标准评价聚类结果。（比如最小化平方误差和） 而即将介绍的GMM聚类算法则属于Model-based（基于模型的方法）： 对于每个类假定一个分布模型（高斯分布），试图找到每个类最好的模型参数
GMM= Gauss Mixture Model （高斯混合模型） 混合，指使用多个参数不同的高斯分布 高斯分布
高斯 与高斯分布 正态分布又通常被称为高斯分布，在科学领域，冠名权那是一个很高的荣誉。去过德国的兄弟们还会发现，德国的钢镚和10马克的纸币上都留有高斯的头像和正态密度曲线。
以高斯命名的数学和物理概念
高斯 与高斯分布 下面展示的是一维高斯分布的函数表达式。
高斯 与高斯分布 下面展示的是多维高斯分布的函数表达式。
高斯 与高斯分布 对于GMM，某一点（i）属于某个类（k）的概率由以下公式计算：
GMM的模型参数 对于每个类的高斯分布模型，有以下参数需要确定： 均值 系数 方差
GMM算法 GMM聚类算法： 算法流程（与k-means较为相似）： 1.初始化模型参数（miu，sigma，pi，*cov） 2.依据公式计算每个点属于每个类的概率p(i,k) 3.依据公式更新各个模型参数 4.重复迭代2~3步，直至达到门限值
E EM M EM算法 （expectation）求期望 （maximum）求极大 这个算法出现的时间比较早，属于经典的统计学习算法，在李航先生的《统计学习方法》中有相关原理介绍。 （maximum）求极大 EM算法是一种迭代算法（一轮迭代包含E和M两步），1977年由Dempster等人总结提出，用于含有隐变量的概率模型参数的极大似然估计，或极大后验概率估计。
总结： GMM的收敛速度相对较慢，计算复杂度也比较高，但是由于高斯分布的普遍存在性，其聚类的结果比k-means更加科学，更符合客观规律。 但这两种算法都对初值敏感，而且容易陷入局部最优解。 聚类的方法还有很多，有些算法也很普遍，比如层次聚类等等。
附录： 从最大似然到EM算法浅解：http://blog.csdn.net/zouxy09/article/details/8537620/ 正态分布的前世今生： https://www.52ml.net/2691.html 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut ： http://blog.csdn.net/abcjennifer/article/details/8170687 我的代码： https://github.com/zuoquanGong/cluster
谢谢 公佐权 2017.4.23