ML集群是如何应用于现实世界的？

Question

新手对数据科学和ML发出警告。目前我正在学习监督学习和非监督学习，而监督学习很容易消化，我可以与许多实际的用例联系起来。没有监督的学习是我无法与现实世界中的用例相关联的地方(虽然我发现了很多引号，人们说他们用它来分割客户，检测欺诈等等)。

为了论证起见，我将引用从Azure Studio的一个示例中获取的一个示例。

该数据集包含各国及其在各种食物中的平均蛋白质摄入量)。

当通过KMeans算法运行此数据集时，它会创建3个集群，并适合这些集群中的国家名称。

所以在这个具体的例子中，我想要解决的问题是什么？

我是想根据蛋白质摄入习惯找到类似的国家吗？

我是否基于给定的数据集创建了群体，然后就有了一种人类智慧，可以将这些群体(或集群)限定为“素食富国”、“红肉富国”等。那么，当一个新的国家到来时，我们就会预测这个国家是否属于哪个集群？

在这种情况下，工作流中需要一个中间的人类智能，它需要标记集群(而不是在分类中标记每个数据点)。这是正确的理解吗？

Answer 1

你想要了解这些数据。

因此，您运行一个集群，然后研究集群中的点与集群中的点是如何不同的。然后在这些观察的基础上，形成一个假设。例如，你可能会注意到，一个集群包含了吃大量快餐和超重的国家。然后你可以提出快餐会导致超重的假设，然后检验这个假设。

这是一种探索性数据分析的形式。没有一个数学功能来最大化，但它是一个工具，让人类了解他们的数据，然后能够制定新的假设，不会突然出现在你的脑海，否则。

Answer 2

聚类是一个非常主观的问题。在大多数情况下，您有一组未标记的样本。一种情况是，您知道数据中有k个组或集群，您只需要找到那些k个集群。在这里，可以使用k均值或高斯混合模型(或任何其他相关方法)来发现集群。另一种情况是，您甚至不知道数据中有多少集群或组，您希望使用群集方法找到集群的数量。例如，一种不需要预先知道聚类数目的聚类算法，比如x-均值。在某些情况下，您需要对数据进行预处理，对其进行分区，然后在监督学习算法中使用结果。

Answer 3

这是一个非常好的集群工作方式演示。

https://www.pythonforfinance.net/2018/02/08/stock-clusters-using-k-means-algorithm-in-python/

这也很好。

https://towardsdatascience.com/dbscan-clustering-for-data-shapes-k-means-cant-handle-well-in-python-6be89af4e6ea

最后，来看看这个。

https://www.kaggle.com/dhanyajothimani/basic-visualization-and-clustering-in-python