Ответ
Кластеризация — это метод машинного обучения без учителя, который группирует схожие объекты в кластеры на основе их характеристик. Основная цель — выявить естественные структуры в данных, даже если заранее неизвестно, сколько групп существует.
Пример с кодом (K-Means в Python):
from sklearn.cluster import KMeans
import numpy as np
# Пример данных: координаты точек
data = np.array([[1, 2], [5, 8], [1.5, 1.8], [8, 8], [1, 0.6], [9, 11]])
# Кластеризация (2 кластера)
kmeans = KMeans(n_clusters=2).fit(data)
print(kmeans.labels_) # Метки кластеров: [0, 1, 0, 1, 0, 1]Нюансы:
- Выбор метрики расстояния (Евклидово, Манхэттен и др.).
- Определение оптимального числа кластеров (метод локтя, силуэт).
- Чувствительность к выбросам (например, DBSCAN устойчивее K-Means).
- Интерпретируемость: не всегда кластеры имеют явный смысл.
