聚類
屬于無監(jiān)督學習
目的：找到數據集中的不同群組
分級聚類
主要思想是：
在數據集中找出兩個最相似的節(jié)點
根據這兩個節(jié)點生成一個新的聚類節(jié)點，這個節(jié)點的數據為兩個子節(jié)點的數據的平均值,
將兩個子節(jié)點從數據集中去除，將新的聚類節(jié)點加入數據
回到1，直至數據集中只剩一個節(jié)點
K-means聚類
使用分級聚類的時候，因為得計算所有數據的兩兩之間的距離，形成新的聚類之后還得重新計算，所以在數據集較大的時候計算量會很大。
除了分級聚類之外還有一種K-均值聚類方法，主要思想為：
隨機創(chuàng)建（給定）k個點作為中心點
遍歷數據集中每個點，找到距離最近的中心點，將該點劃分在該中心點下
遍歷并劃分完成后，將各個中心點移到自己組下所有點的中心位置
回到2，直到移動之后的結果（不變）和上次一樣
結果展示：使用樹狀圖來展現聚類之后的結果
import feedparserimport re# testerror_list = []# 返回一個RSS訂閱源的標題和包含單詞計數情況的字典def get_word_counts(url):
# 解析訂閱源
doc = feedparser.parse(url)
# 單詞計數
wc = {}
# 遍歷所有文章條目，統(tǒng)計所有單詞出現次數
for entry in doc.entries: if 'summary' in entry:
summary = entry.summary else:
summary = entry.description
# 提取出所有單詞
words = get_words(entry.title + ' ' + summary) # 統(tǒng)計所有單詞出現的次數
for word in words:
&nb
