聚类和分类的区别

聚类是不知道类别，自己分类

分类是已知类别的

聚类模型

K-means聚类

数据对象即样本

聚类中心即重心

PS：和我们初始化选择的中心有很大关系

如何写在论文里

因为算法步骤太长了，而且易被查重

因为算法太长了，放流程图：

一样的意思，但是更让人喜欢

优缺点：

改进 K-means++算法

K值这么定，量纲不一样怎么办？

不需要指定K的算法：系统（层次）算法

样本和样本直接的距离如何计算

样本和样本之间的距离

绝对值距离和欧式距离最常用

绝对值距离更多的用于网状数据

指标和指标之间的距离（不常用、用于指标分类）

指标分类，不常用

类与类之间的距离

因为样本和样本被划分为不同的类，就被划分到不同的类了

组间、组内用的多

系统聚类的流程图

流程图

需要注意的问题：

有没有算法能帮助我们确定k的值：肘部法则

论文里如何解释？