一、总结
一句话总结：
1、聚类理论基础？
2、聚类方法？
3、聚类性能度量？
聚类的性能度量主要分为【外部指标】和【内部指标】
聚类的基本想是：【簇内相似度高，簇外相似度低】
4、聚类距离计算？
聚类距离计算分为 【有序属性、无序属性、混合属性（有序和无序混合）】
5、k均值聚类？
a、Assign：【计算每个点到中心点的距离】，根据距离分配类别
b、Move：根据a步骤中分配的类别，【重新计算中心点】
k均值聚类这个过程和EM算法非常像，【k均值聚类就是EM算法的一个实例】
6、混合高斯分布？
按照一定的规则【将高斯分布混合起来】
7、高斯混合聚类？
E步：根据当前参数【计算每个样本属于每个高斯函数的后验概率】
M步：【更新模型参数】
8、Kmeans使用中的问题？
1）【对异常值十分敏感】
异常值十分敏感处理方法：【删除】：异常值不是很多的情况下；【重赋值】：排序or自定义；【抽样】：抽样大小
二、内容在总结中
博客对应课程的视频位置：