机器学习算法工程师的经典面试问题

如何确定聚类算法的类别数 k

• （1）根据数据的来源使用领域相关的以及一些先验的知识来进行估计——说了等于没有说啊

• （2）降维到二维平面上，然后如果数据形状比较好的话，也许可以直观地看出类别的大致数目。

• （3）通过谱分析，找相邻特征值 gap 较大的地方——这个方法我只了解个大概，而且我觉得“较大”这样的词也让它变得不能自动化了。

• （4）层次聚类则避免了类别数目的确定问题，其在做Clustering的时候不需要知道类别数；

在计算样本距离时如何处理非数值型特征（类别型）

• （1）scikit-learn的相关 api 对这些特征进行转换

• （2）定义适当的距离度量函数，比如 Simple Matching Distance、Mixed Distance，见 距离的度量（Dissimilarity Measure）