Разбираемся в ML без воды: от базы до Attention. Часть 13: Кластеризация и k-means

[SER_26]

Спасибо, отличный цикл!

Печальная сторона данной задачи в том, что они (в общем случае) является задачей класса NP. Говоря простым языком, она нерешаема в чистом виде.

Этот текст лучше убрать - дублируется далее.

[ysrgsyn]

Исправил, спасибо!

[dmagin]

Утверждение "чем более объекты похожи, тем меньше между ними расстояние" - кажется логичным только на первый взгляд. На самом же деле "расстояние" между объектами и "степень похожести" не всегда связаны, и надо уточнять, о чем именно речь.
Простой пример - узлы графа. Между узлами связного графа есть "резистивное расстояние", - чем дальше узлы друг от друга, - тем это расстояние больше.
Но похожесть узлов (которую тоже можно рассчитать, например, через SVD) - связана с конфигурацией соседей - сколько входящих/исходящих связей у узлов. Ну и понятно, что "похожие (по степени) узлы" могут находиться друг от друга очень далеко (в резистивной метрике).

[ysrgsyn]

Справедливое замечание.

Однако мы рассматриваем табличные данные (сравнение объектов по векторам признаков).