常见聚类算法及其原理
哪些公司问过
答案要点
- K-means:指定 K,分配到最近中心再更新均值,迭代收敛;对初值和异常值敏感,适合球形簇
- 层次聚类:自底向上合并或自顶向下拆分,得到树,不需要指定 K,复杂度高
- DBSCAN:基于密度,用半径和最小点数找核心点,能发现任意形状的簇并识别噪声
- 判断是否同一类:看相似度或距离;评估用轮廓系数、簇内簇间距离
- 选择取决于数据分布、是否知道簇数、是否有噪声
易错点
- 把聚类当作有标签的分类
- K-means 不指定 K 或不处理异常值
- 认为 K-means 适合任意形状的簇
- DBSCAN 参数不调就直接使用
面试官常见追问
- K-means 怎么选 K?
- K-means 的缺点怎么改进?
- DBSCAN 的两个参数是什么?
- 如何判断聚类效果?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。
相关面试题
- K-means 聚类算法11 场
- 有监督学习与无监督学习11 场
- 高斯混合模型 GMM 原理与 EM 求解1 场