Algorithm 人类可以手动对数据集进行聚类吗？最接近人类聚类的聚类算法

人类群集数据集是否可以手动创建？例如，考虑下面描述的IRIS数据集：

而不是使用基于连通性的聚类（层次聚类）、基于质心的聚类、基于分布的聚类、基于密度的聚类等聚类算法。等等

人类是否可以手动对Iris数据集进行聚类？为了方便起见，让我们将其视为二维数据集。人类将通过何种方式以及如何对数据集进行聚类

---

我担心“人类聚类”可能没有很好的定义，可能会根据不同的人的直觉和观点而有所不同。我想知道什么是最接近人类聚类的聚类算法，或者人类是如何执行数据集聚类的？是否有一种聚类算法可以像人类一样执行聚类？

人类可以手动执行聚类数据，但正如您所说，会有很多变化和主观决定。假设你可以得到一个算法，它将使用与人类相同的功能，原则上，它有可能有一个像人类一样的计算机集群

---

在一级近似下，最近邻算法可能接近于人类如何聚集在一起，在某种程度上，它们将事物聚在一起。请记住，如果没有培训和持续的努力，人类在一致性方面真的做得不好。我们似乎偏向于寻找新奇事物，因此我们倾向于将事物分成两大类，即我们经常遇到的事物和其他所有事物。

人类实际上可以非常好地对数据进行聚类，而大多数人几乎不需要训练就可以发现聚类。我们为计算机设计的算法主要是试图复制大多数人可以很容易地自然完成的事情。人类的聚类方式的问题在于，它是非标准化的，所以是的，每个人都会产生稍微不同的聚类，即使是同一个人，如果你多次询问，也会对同一组数据产生稍微不同的聚类。@Lie Ryan:我不同意。如果你有一个2-d数据集，其中有几个分离良好的集群，那么是的，人类会做得很好。然而，通常不清楚有多少集群。想象一下，一个大集群可能会也可能不会被分成5个较小的集群。维度通常不是2。人们需要很多帮助来决定20维或2000维数据中的聚类是什么。通常需要的是一个客观的衡量标准，即10个与100个集群对高维数据的描述程度。然后，聚类算法远远超出了试图复制人类能力的范围。我不认为外星人会说我们有7个大陆。我认为最近邻是一种分类算法，而不是聚类算法。我特别寻找类似基于连通性的聚类（层次聚类）的聚类算法或基于质心的聚类或基于分布的聚类或基于密度的聚类。许多聚类算法的核心是最近邻算法。你到底想干什么？正如我在回答中提到的，人类可以手动创建集群数据。具体做法因人而异。你有没有更好的问题，或者你只是想讨论一下？