當您想聽一些東西 (例如音樂) 時，其中一個方法就是尋找有意義的群組或集合。您可以按照類型將音樂分類，好友則可按十年分類音樂。您選擇將項目分組的方式，有助於您進一步瞭解這些音樂作為獨立音樂。您可能會發現對龐克搖滾具有很深的相依性，並進一步將音樂類型分成不同的做法或來自其他位置的音樂。另一方面，您的好友可以觀看 1980 年代的音樂，瞭解當時各類型音樂對社會氣候的影響。不論是哪一種情況，您和朋友都會學到音樂的有趣知識，即使您採取了不同做法也一樣。
在機器學習中，我們通常會將範例分組，以便瞭解機器學習系統中的主旨 (資料集)。將未加上標籤的範例分組稱為叢集。
由於範例未加上標籤，因此叢集需要使用非監督式機器學習。如果範例已加上標籤，分群就會變成分類。如要進一步瞭解受監督和未受監督的方法，請參閱機器學習問題框架簡介。
您必須先找到類似的範例，才能將類似範例分組。 您可以測量範例的特徵資料與一個指標的「相似度測量」，藉此評估範例之間的相似性。如果每個範例是由一或兩項特徵定義，您就可以輕鬆評估相似度。舉例來說，你可以找到這名作者的相似書籍。隨著特徵的數量增加，建立相似度測量結果也會更為複雜。我們稍後會說明如何在各種情況下建立相似度測量結果。
分群的用途為何？
分群匯集於多個產業的各種用途。常見的分群應用程式包括：
- 市場區隔
- 社群網路分析
- 搜尋結果分組
- 醫學影像
- 圖片區隔
- 異常偵測
分群後，系統會為每個叢集指派一個稱為「叢集 ID」的數字。現在，您可以將範例中的整個特徵集縮減為叢集 ID。以簡單的叢集 ID 呈現複雜的範例，即可讓叢集發揮強大功能。擴充想法時，分群資料可以簡化大型資料集。
舉例來說，您可以按照不同功能將項目分組，如以下範例所示：
| 範例 |
|---|
|
接著，機器學習系統會運用叢集 ID 簡化大型資料集的處理方式。因此，分群的輸出內容可做為下游機器學習系統的特徵資料。
在 Google，叢集內可用於一般化、資料壓縮和隱私權保護等產品，例如 YouTube 影片、Play 應用程式和音樂曲目。
一般化
如果叢集中的某些範例缺少特徵資料，您可以推斷叢集中其他範例的遺漏資料。
| 範例 |
|---|
| 較少的熱門影片會放在較熱門的影片中，以便推薦更適合的影片。 |
資料壓縮
如前文所述，叢集中所有範例的功能資料皆可替換為相關叢集 ID。這項取代功能可以簡化功能資料並節省儲存空間。大規模放大大型資料集時，上述優勢會變得更加明顯。此外，機器學習系統可能會使用叢集 ID 做為輸入內容，而非整個特徵資料集。降低輸入資料的複雜度，讓機器學習模型更簡單，且訓練速度更快。
| 範例 |
|---|
單一 YouTube 影片的特色資料可能包括：
|
隱私保護服務
您可以透過分群法使用者的方式保護隱私權，並將使用者資料與叢集 ID 建立關聯，而不是特定使用者。為了確保您無法把使用者資料與特定使用者建立關聯，叢集必須將足夠的使用者分組。
| 範例 |
|---|
| 假設您想為 YouTube 使用者新增錄影記錄與其使用 User-ID，不如依賴使用者 ID，而是改用叢集 ID。現在，您的模型無法將影片記錄與特定使用者建立關聯，但只能與代表大量使用者的叢集 ID 建立關聯。 |