分群演算法（Clustering）的藝術：如何讓混亂的數據自動「歸位」？

機器如何模擬「物以類聚」的直覺？

面對一大堆旅遊照片、手寫筆記或雜亂資料，人類的直覺會自動啟動：海灘歸海灘、花卉歸花卉，手寫的「0」和「1」也會自然分開。這種「物以類聚」的能力，是大腦天生的模式感知。

在數據科學世界，這種能力被形式化為 分群（Clustering）。它的核心想法很直接：同一群組內的相似度要高，群組之間的差異要大。分群不是硬生生的分類，而是從混亂中找出隱藏結構的一種方法。

世界在演算法眼中只是向量（Vector Representation）

在演算法開始「分門別類」之前，它必須先學會如何「看」這個世界。在數據科學的領域，這一步叫做 物件表示法（Representation）。

電腦不懂什麼是「風景」或「數字」。以手寫數字為例，一張 28×28 的影像，在電腦眼中只是 784 個灰階值組成的 向量（Vector）。

這種向量化帶來兩個效果：

• 每張照片都變成高維空間中的一個孤點
• 海灘、花卉、雲彩、夕陽等類別，會因特徵向量的接近而自然聚集

當世界被轉化為座標與距離，分群演算法就能開始運作。

K-means 的自我修正迴圈（K-means Algorithm）

K-means 是最經典的分群演算法，運作方式像是一場不斷調整的迴圈：

1. 隨機選出 k 個中心點（Initial Centroids）
2. 每個資料點根據距離選擇最近的中心（Cluster Assignment）
3. 重新計算每個群組的平均值作為新中心（Center Update）
4. 重複以上步驟直到中心不再變動（Convergence）

這是一種動態平衡：資料點因中心而移動，中心又因資料點的分布而重新定位，直到整體穩定。

初始點的敏感性與局部最優（Local Optima）

K-means 的邏輯雖然簡潔，但對初始條件非常敏感：

• 不同的初始中心（Initial Seeds）可能導致完全不同的結果
• 演算法會收斂，但可能只停在 局部最優（Local Optimum）
• 若不設定最大迭代次數（Max Iterations），演算法可能會一直跑下去

這些特性讓 K-means 在實務中需要多次嘗試與調整。

層次分群（Hierarchical Clustering）與家族樹（Dendrogram）

階層式分群（Hierarchical Clustering） 採用的是一種「由下而上」的策略。它透過 樹狀圖（Dendrogram） 記錄資料間的親疏遠近。

• 不需預先決定群數（No Predefined k）
• 可以在樹狀圖任意高度切割（Flexible Cutting Height）
• 先看整體結構，再決定最終分群方式（Post-hoc Determination）

它像是一棵家族樹，讓研究者能自由選擇觀察的尺度。

在無窮數據中尋找秩序

分群演算法的價值，在於它能把高維向量轉化為人類可理解的範疇。從手寫辨識到影像分類，它在無數次迭代中為我們梳理出資料的脈絡。

但探索者仍需保持警覺：如果分群結果深深依賴於我們定義的 距離（Distance Metric），那麼機器眼中的「相似（Similarity）」是否真的等同於人類感受到的「關聯（Meaning）」？

數學提供了工具，而對資料背後意義的理解，仍然是人類不可替代的角色。