聚类算法详解

“物以类聚”指的是事物之间通过某种相似的属性聚集到一起，聚类算法是对事物自动归类的一类算法。

聚类算法是一种典型的无监督的学习算法，在聚类算法中通过定义不同的相似性的度量方法，将具有相似属性的事物聚集到同一个类中。

本章将介绍以下内容：

1. 最基本的聚类算法 K-Means 算法，K-Means 聚类算法是基于距离相似性的聚类算法；
2. Mean Shift 聚类算法，Mean Shift 算法也是基于距离的聚类算法，与 K-Means 算法不同的是，在 Mean Shift 算法中无需指定聚类个数；
3. 基于密度的聚类算法 DBSCAN 算法，基于距离的聚类算法的聚类簇是球状结构的，DBSCAN 算法能够对任意形状的数据聚类；
4. 在社交网络中用户聚类算法 Label Propagation 算法，Label Propagation 算法利用自身的网络结构，通过节点之间的标签传播实现对网络节点的聚类；