以下哪些情境更适合使用聚类方法？
1) 使用消费者行为数据识别市场中的不同细分群体。
2) 预测某位用户是否会点击一则广告。
3) 识别遵循相似交易模式的不同股票群组。
4) 建模并预测 GDP 增长。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
聚类分析旨在找到彼此相似的观测组，同时不同组之间彼此不同。这样的相似性与差异由一种称为距离的度量来刻画。在本章中，您将学习如何在连续特征和分类特征下计算观测值之间的距离。您还将建立对特征量纲如何影响距离的直观理解。
当前练习
本章将帮助您回答第 1 章中的最后一个问题——如何利用您已计算的距离，在数据中找到相似观测值的组（簇）？您将学习层次聚类的基本原理——连接准则与树状图——以及二者如何用于构建簇。您还将探索一家批发分销商的数据，根据客户的消费习惯对其进行市场细分。
在本章中，您将理解 k-means 算法背后的原理，学习在未知情况下如何选择合适的 k，并从不同的视角重新审视批发数据。
在本章中，您将应用已学技能，探索各类职业的平均薪资如何随时间变化。
