概念卡：聚类 Clustering
概念卡：聚类 Clustering
一句话定义
聚类是在没有标签的情况下，把相似样本分成若干组。
它解决什么问题
它用于探索数据中可能存在的群体结构。
典型使用场景
- 用户分群。
- 风险模式识别。
- 网络节点或时间片段分组。
需要知道的关键词
- Unsupervised Learning
- K-means
- Distance
- Cluster
- Silhouette Score
和导师方向的关系
聚类常用于大数据探索，也可连接复杂系统中的群体结构识别。
交流时可以怎么说
如果没有明确标签，可以先用聚类做探索性分析，但聚类结果需要结合实际含义解释。
聚类不是自动发现真相，距离度量和特征选择会强烈影响结果。
可以追问的问题
- 使用什么距离度量？
- 聚类数如何确定？
- 聚类结果是否有现实解释？
给 AI 的提示词
请解释聚类和分类的区别。要求说明 K-means 的直觉、局限、聚类数选择和结果解释方式。
我的理解边界
- 已理解：聚类是无监督分组。
- 还不确定：聚类稳定性评估。
- 下次需要补：silhouette score。