雖然很突然，但我們這一篇文章介紹在R里面用知名的iris data set 來做一下簡單的聚類對比。

(site:http://archive.ics.uci.edu/ml/datasets/Iris)

(data:http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data?)

(http://archive.ics.uci.edu/ml/machine-learning-?databases/iris/iris.names).

首先是Kmeans

下方是具有基本功能的層次聚類，以及相應地調整距離的計算方法，因為 K-means 函數(shù)不允許用戶調整距離屬性，這里單獨拿出來對比一下。另外需要注意的是，層次聚類的商業(yè)應用其實比較單一，就結果而言不一定更好，但是很多時候經過調整可以比較直觀看到聚類的樹狀結果，結果圖片過長我這里就先不展開了：

相關方法也有助于高維大型數(shù)據(jù)集的聚類或其他無監(jiān)督ML方法 ，by?Jason Brownlee?介紹了三個理念:?

http://machinelearningmastery.com/feature-selection-with-the-caret-r-package/

1. Generally, you want to remove attributes with an absolute correlation of 0.75 or higher.

2. Rank Features By Importance

3. Automatic featureselection methods

第一二個大家需要考慮進特征工程中，盡可能作為routine的常規(guī)工作。第三個的實現(xiàn)會復雜一些（例如通過自編碼器），這里也先帶過吧。

最后要提的是，實際上對于聚類問題，很多時候還有類別數(shù)量的K確定的問題，這里或者經驗主義，或者基于肘部曲線的計算，或者直接gridsearch出不同K的結果然后對比分類的上準確度，都是可以滿足實際業(yè)務場景的做法。