輕鬆聊之Hierarchical Clustering

上一次我們介紹了K-means分群演算法，今天來介紹另外一個分群(Clustering)演算法-Hierarchical Clustering，中文好像叫階層分群法。

一般Hierarchical Clustering有兩個方式來產生最後的樹狀結構，

• 聚積(Agglomerative)，Bottom-up
• 分裂(Divisive)，Top-down

今天介紹的是比較常用的bottom-up的方式，直接來看圖說故事吧。

輕鬆聊之K-Means演算法

上次跟大家簡單介紹了一下KNN演算法，今天介紹一下很容易跟KNN搞混的K-means演算法，不過兩個其實差蠻多的，只有名字比較像而已。K-means主要講的就是「物以類聚」，只要中心思想是相近的，就可以歸在同一類。

K-means是一個分群(Clustering)的演算法，不需要有預先標記好的資料(unlabeled data)，屬於非監督式學習(Unsupervised learning)。主要是用來做常常被使用在資料分群，簡單的說就是把一堆資料根據你判斷相近的邏輯，把這一堆資料分成k群。

輕鬆聊之KNN演算法

今天來簡單介紹一下KNN演算法，全名叫K-nearest neighbors algorithm。KNN可以說是機器學習(Machine Learning)中最簡單的演算法，簡單到我連Sample Code都不想寫給你看(其實是懶)，只要記住下面這五個字，「西瓜偎大邊」就可以完全了解這個演算法的奧義。

讓我們來想想一個情況，有一天晚上俊傑騎著機車正在回家的路上，不小心捲進了一群飆車族的械鬥，他環視了一下發現總共有三群飆車族，身上的衣服分別是黃、灰、紅。他已經在車陣之中，而且處境非常的危險，所以俊傑有兩條路可以選