當分群時的特徵太多，該怎麼做？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
在你準備分類新聞文章之前，先要認識叢集的基礎。這一章會帶你熟悉一類稱為非監督式學習的機器學習演算法，接著介紹其中常見的叢集法。你會了解兩種常用技術：階層式叢集與 k-means 叢集。最後，本章會說明在開始做叢集前的基本前處理步驟。
本章聚焦於一種常見的叢集演算法——階層式叢集——以及它在 SciPy 中的實作。除了示範如何執行階層式叢集外，也會協助你回答一個關鍵問題：你的資料中有多少個叢集？本章最後將討論階層式叢集的限制，以及實務使用時的各項考量。
本章介紹另一種叢集演算法——k-means 叢集——以及它在 SciPy 中的實作。k-means 叢集能克服上一章所提到的階層式叢集的最大缺點。由於樹狀圖只適用於階層式叢集，本章會介紹一種在執行 k-means 之前判定叢集數量的方法。最後將討論 k-means 的限制，以及使用此演算法時的注意事項。
既然你已熟悉兩種最常見的叢集技術，本章將協助你把所學應用到真實情境。首先會說明如何找出影像中的主色，再回到前言中的主題——新聞文章的叢集。最後，本章將討論多變數情境下的叢集，這會使所有資料的視覺化更加困難。
當前練習
