Clustering output

我的问题是要用例子去理解广义问题 我我要自己判断这些cluster组团后的共性是什么，是按照曲风分类的，还是按照歌手分类的，我再给它label,机器也不会告诉你它是按照什么共性分类的。 机器分类决于一开始input的feature，clustering出来的一个cluster共性也不一样 结论：一开始没有labeling，数据自己组团，组完了，人类再去分析这个组的类别内的共性是什么，再贴一个label.

同学你好，

这个细节问题也没必要深究，听歌识别这种细节不可能考的，最多做个背景。机器学习这章是一个算法简介，而不会考察算法的细节应用。

简单说一下你的问题，首先clustering是unsupervised learning，这个一定不会有label，这个是需要重点掌握的结论。要聚的类也不用提前设定，而是由算法自己去找相似点。

其次就是聚类的过程，重点是知道流程。例如层次聚类中的agglomerative clustering（自下而上的方法）就是从单个观察值（每首歌）出发。一开始认为每一首歌就是一类，此后根据算法自己找到的一些特征（例如重合的歌词，歌词中的近义词，曲调等）逐渐将相似的歌聚成小类，再聚成大群，直到聚成一个总的大的分类为止。

这只是聚类中的一种流程而已，区分歌曲还可能根据K-means聚类，也可能根据自上而下层次聚类等等。重点是每种方法的流程要知道，但具体载体是不重要的，考试的时候不会问具体一个歌曲或者一个期权是怎么被分类的细节。上课的时候老师讲这些例子也是为了辅助说明流程的。