分群工作流程

如要將資料分群，請按照下列步驟操作：

1. 準備資料。
2. 建立相似度指標。
3. 執行分群演算法。
4. 解讀結果並調整叢集。

本頁面會簡要介紹這些步驟。我們會在後續章節中深入探討。

準備資料

如同任何機器學習問題，您必須先將特徵資料正規化、縮放及轉換，才能針對該資料訓練或微調模型。此外，在建立區塊之前，請確認準備好的資料可讓您準確計算範例之間的相似度。

複習：如要複習資料轉換，請參閱機器學習速成課程中的「使用數值資料」一文。

建立相似度指標

分群演算法必須先知道兩個範例的相似程度，才能將資料分組。您可以建立相似度指標來量化範例之間的相似度，但這需要仔細瞭解資料。

執行分群演算法

分群演算法會使用相似度指標來分群資料。本課程使用 k-means。

解讀結果並調整

由於叢集不會產生或包含可用於驗證輸出的「真實」資料，因此請務必在叢集層級和示例層級，檢查結果是否符合您的預期。如果結果看起來很奇怪或品質不佳，請嘗試前面三個步驟。持續進行疊代，直到輸出品質符合您的需求為止。