典型应用场景是什么？

关键要点

• 聚类是一种无监督学习方法，根据相似度将数据划分为不同的组。
• 典型应用包括客户细分、异常检测、市场研究和图像分割。
• 聚类与分类的关键区别在于输入数据没有预先给定的标签。
• 聚类遵循‘组内相似性高，组间相似性低’的核心原则。

怎么选 / 怎么做

聚类算法的应用通常遵循以下步骤：1. 准备无标签的特征数据。2. 根据分析目标（如分群数量）选择合适的聚类算法（如K-Means）。3. 运行算法得到簇标签。4. 结合业务知识分析各簇特征，为抽象的簇标签赋予实际含义。

常见问题

聚类与分类的主要区别是什么？

聚类无标签，是探索分组；分类有标签，是预测已知类别。

聚类的一个商业应用例子是什么？

根据消费行为对客户进行细分，用于精准营销。