聚类

“MTEB在句子表征模型方向涵盖8项关键的语义向量任务，包括双语文本挖掘（Bitext Mining）、分类（Classification）、聚类（Clustering）、句子对分类（Pair Classification）、重排序（Reranking）、检索（Retrieval）、语义文本相似度（Semantic textual similarity）及摘要（Summarization）。”

“但在实际工程项目中，很多隶属于传统机器学习范畴的经典算法依旧能发挥着巨大的作用，比如决策树学习（Decision Tree Learning）、聚类（Clustering）、支持向量机SVM（Support Vector Machine）和贝叶斯网络（Bayesian Networks）都能找到很好的应用场景来解决实际运维过程中的具体问题，因此我们不应该将深度学习和AIOps直接挂钩。”

“sklearn是机器学习中常用的第三方模块，它对常用的机器学习方法进行了封装，包括回归（Regression）、降维（Dimensionality Reduction）、分类（Classfication）、聚类（Clustering）等方法。”

“什么是聚类和分类 （1）什么是聚类分析 聚类（Clustering）是指将数据对象分组成为多个类或者簇（Cluster），它的目标是：在同一个簇中的对象之间具有较高的相似度，而不同簇中对象的差别较大。”

“降维和聚类是两种无监督学习任务中的算法，聚类（Clustering）是将数据按相似度聚成不同的分组，降维（Reducing Dimensionality）是在保留数据结构和有用性的同时对数据进行压缩。”

“图4-1 无监督学习示例 常见的无监督学习算法除了 聚类 （Clustering），还有降维算法 主成分分析 （Principal Component Analysis，PCA）。”