机器学习入门-K-means算法
Posted my-love-is-python
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习入门-K-means算法相关的知识，希望对你有一定的参考价值。
无监督问题，我们手里没有标签
聚类：相似的东西聚在一起
难点：如何进行调参
K-means算法
需要制定k值，用来获得到底有几个簇，即几种类型
质心：均值，即向量各维取平均值
距离的度量： 欧式距离和余弦相似度
优化目标： min∑∑dist(ci, xi) 即每种类别的数据到该类别质心距离的之和最小
1-k x
根据上述的工作流程：
第一步：随机选择两个初始点，类别的质心点(图二)
第二步： 根据所选的质心点，根据欧式距离对数据进行分类(图三)
第三步：求得分类后的每个类别的质心(图四)
第四步： 根据所选的质心点，根据欧式距离对数据进行分类(图五)
第五步：求得分类后的每个类别的质心(图五)
.... 一直到分类的数据类别不发生变化为止
优势：简单，快速，适用于常规数据集，分布较为规则的数据集
劣势：
K值难确定
复杂度与样本数据呈线性关系
不太适用于不规则的数据
以上是关于机器学习入门-K-means算法的主要内容，如果未能解决你的问题，请参考以下文章