第11课　兴趣小组自动分堆——聚类与无标签归堆

单元三

第11课　兴趣小组自动分堆——聚类与无标签归堆

一、任务目标

不先贴标签，按首字母把词语归堆（极简聚类）。

二、知识点短列表

聚类：无标签归堆，先发现组别。
与分类不同：分类先有标签名，聚类先分组。
用字典「groups」存“堆名→成员列表”。
键不存在时先「groups[key]=[]」再 append。
首字母归堆只是教具；真实聚类常用距离（下一课）。
堆名（键）是算法根据规则生成的，事后可由人改成“球类／艺术”等可读名字。
空输入应得到空字典；本课测试用非空列表。

三、机器学习在说什么

无监督学习处理“有数据、无标准答案名”的情况。兴趣词没有官方类别时，硬贴标签会变成假有监督。先归堆，再由人给堆起名字，是常见流程。

本课用首字母当“相似规则”，故意简单，好让你把代码结构练会：字典累加成员。下一课把“相似”换成可计算的距离。

选型提醒：若老师已经规定必须分成“篮球／合唱”且每人都有标签，应走有监督，而不是无监督。

无监督的价值在“标签昂贵或尚不存在”时：先看数据自己聚成几团，再请老师给每团起名。本课首字母规则故意幼稚，是为了让代码结构干净——真实任务会换成距离或更合理的相似定义，但字典累加成员的写法仍然通用。

对照表再记一行：有监督＝先有名字再分组；无监督＝先分组再起名字。说反了，后面五问诊会选错类型。

四、相关积木怎么用

「groups = {}」空字典开始。
「key = w[0]」取首字母当堆名。
迷你例子：「group_by_first(['a1','b1','a2'])['a']」含 a1 与 a2。

走查：输入「group_by_first」 → 键「a」对应列表含 a1、a2，键「b」含 b1，因为每个词的「w[0]」决定进哪一堆，同键则 append。

想一想：词语 "cat" 与 "cup" 会进同一堆吗？依据是什么？

无监督过关口述：我没有预先标签；我用××规则（本课首字母）生成堆；堆名是××；若改成已有标准类别名的任务，应改用 classify。四句说全，才允许进入距离课。cat 与 cup 同堆，依据是首字母都是 c，与词义无关——要主动承认教具局限。

对照：分类先有名字再分组；聚类先分组再起名字。已有球类／艺术标签时改用 classify。实现上键不存在先建空列表再 append；打印后数各堆 len，与手工归堆一致才过关。

要点串讲：无监督无事先标签名；聚类先归堆后起名；字典 groups 累加成员；首字母只是教具；已有标准标签应改有监督。本课过关标准：能运行归堆并指出它与 classify 的根本差别。加练：给 a 堆起名“A组”，讨论起名是人做的后处理，不是聚类算法事先知道的标签。

五、操作步骤

步骤1

准备词语写下无标签的词语列表。

步骤2

写归堆函数按首字母放入 groups。

步骤3

打印结果观察每堆成员是否合理。

步骤4

对比有监督问：若已有标签，是否改用分类？

六、解题思路

任务：不先贴标签，按首字母把词语归堆（极简聚类）。先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。

本课主要用到：屏幕输出。

1明确任务「不先贴标签，按首字母把词语归堆（极简聚类）。」：运行后你希望看到什么结果（文字、图形或计算结果）。
2用「打印」积木把结果说出来，确认屏幕上出现预期内容。
3找出重复动作，用「计数循环／遍历」积木写成循环，少抄几遍。
4写出判断条件：什么情况下走 A，什么情况下走 B。
5把可复用的一段动作做成函数，主程序里调用它。
6对照参考积木（或代码）跑通后，只改一个参数，观察结果如何变化。

流程示意（可对照左侧文字）

七、图形块功能讲解

下面只列出本课首次出现的 Mixly 图形块（真积木截图）。已在前面课讲过的不再重复；先认新块，再点「载入」对照拖搭。

图形块	分类	作用	本课用法
	列表	在末尾增加元素或合并列表。	本课编程练习中首次使用，载入后可在工具箱对照。

即时验算：['a1','b1','a2'] 归堆后 a 堆排序为 a1、a2。apple 与 ant 同堆，banana 与 blue 同堆。若任务已规定球类／艺术标签，改口说应改用有监督，不跑本函数。堆名事后可由人命名。首字母只是教具规则。空输入得空字典；课堂先测非空表。

键不存在先建列表：漏掉 if key not in groups 会 KeyError。用 1 分钟只练“先建空列表再 append”三行代码，直到默写无误。然后才讨论堆名可否改成中文——那是人命名，不是算法预知。

九、知识点讲解

特征是从原始数据里抽出、对判断有用的量；标签是我们想预测的答案。分类就是根据特征给样本贴标签。特征选不好，后面模型再复杂也难做好。

先弄清本课输入与输出，再进编程练习对照现象。

十、编程练习

用下拉列表切换题目；下方 Mixly 默认显示图形化积木。请在 Mixly 工具栏点「运行」；「检查」读取 Mixly 代码自动判题。

选择题目

参考代码（对照抄写到下方 Mixly）

words = ["apple", "ant", "banana", "blue", "cat"]

def group_by_first(xs):
    groups = {}
    for w in xs:
        key = w[0]
        if key not in groups:
            groups[key] = []
        groups[key].append(w)
    return groups

print(group_by_first(words))

十一、本节小结

你现在能实现 group_by_first，用字典把无标签词语按首字母归堆，并说明它与有监督 classify 的差别；先建空列表再 append 要默写；有标准标签改 classify。manhattan 把“相似”变成可计算的距离。