在无监督学习中，我们需要将一系列无标签的训练数据，输入到一个算法中，然后我们告诉这个算法，快去为我们找找这个数据的内在结构给定数据。图上的数据看起来可以分成两个分开的点集（称为簇），一个能够找到我圈出的这些点集的算法，就被称为聚类算法。
K-均值算法（K-Means Algorithm）
K-均值是最普及的聚类算法，算法接受一个未标记的数据集，然后将数据聚类成不同的组。
K-均值是一个迭代算法，假设我们想要将数据聚类成n个组，其方法为:
- 首先选择K个随机的点，称为聚类中心（cluster centroids）；
- 对于数据集中的每一个数据，按照距离K个中心点的距离；
- 将其与距离最近的中心点关联起来，与同一个中心点关联的所有点聚成一类；
- 计算每一个组的平均值，将该组所关联的中心点移动到平均值的位置。
- 重复步骤2-4直至中心点不再变化。
Repeat {
for i = 1 to m
c(i) :
扫一扫
3277
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
