案例07｜Exercise 5.2：k-means、Hierarchical Clustering 與 PERCH

1. 案例定位

以原書 Exercise 5.2 比較經典的 k-means、Hierarchical Clustering 與影片介紹的 PERCH 方法。

2. 學習目標

辨識 k-means 與 Hierarchical Clustering 的限制，並能依指定影片整理 PERCH 的主要概念。

3. 案例情境

原書指出 k-means 與 Hierarchical Clustering 是經典的 Unsupervised Learning 技術，但另有較新的演算法，例如 PERCH（purity enhancing rotations for cluster hierarchies）。Exercise 要學生觀看指定影片後回答兩題。

4. 開始資料

題號	原書問題
1	k-means 與 Hierarchical Clustering 有哪些 shortcomings？
2	簡要說明 PERCH 如何進行 clustering 的主要概念。

5. 分析方法

先依本章正文整理兩種經典方法的已知特性，再依原書指定影片完成 PERCH 部分；不得用未觀看的外部內容假裝成原書答案。

6. 計算結果

此 Exercise 沒有固定數值計算結果。

7. 結果分析與管理解讀

原書藉此提醒，Hierarchical 與 k-means 雖是常用方法，並非 Clustering 的全部；方法選擇仍需考慮資料規模、群數設定與分析目的。

8. AI Prompt

「依我提供的本章正文與 PERCH 影片筆記，比較 k-means、Hierarchical Clustering 與 PERCH；請清楚標示哪些內容來自正文、哪些來自影片筆記。」

9. 思考／What-if

題目： 只因 k-means 是最常見方法，就能直接認定它適合所有 Clustering 問題嗎？

參考解答： 不能。原書同時介紹 Hierarchical Clustering，並在 Exercise 5.2 要求比較經典方法的 shortcomings 與較新的 PERCH 方法，表示演算法選擇需依問題而定。