标签：概述   color   工作   工作流   快速   src   数据   流程   个数   

聚类算法

概述

无监督问题　　手中无标签

聚类　　将相似的东西分到一组

难点　　如何 评估, 如何 调参

基本概念

要得到的簇的个数 　　- 需要指定 K 值

质心　　 - 均值, 即向量各维度取平均

距离的度量　　- 常用 欧几里得距离 和 余弦线相似度 ( 先标准化 )

优化目标　　- 

需求每个簇中的点, 到质心的距离尽可能的加和最小, 从而得到最优 

K - MEANS 算法

工作流程

- (a)  　　初始图

- (b)　　 在指定了 K 值之后, 会在图中初始化两个点 红点, 蓝点( 随机质心 )    这里 K 指定为 2 

- (c) 　　然后对图中的每一个点计算是分别到红点以及蓝点的距离, 谁短就算谁的

- (d) 　　重新将红色蓝色区域计算质心

- (e) 　　根据重新计算的质心, 再次遍历所有点计算到两个新质点的距离对比划分

- (f)　　  按照之前的套路再次更新质点

就这样不断的更新下去, 直到所有的样本点都不再发生变化的时候则表示划分成功

优势

简单快速, 适合常规数据集

劣势

K 值难以决定

复杂度与样本呈线性关系

很难发现任意形状的簇 ,  如下图

机器学习 - 算法 - 聚类 K-MEANS 算法

标签：概述   color   工作   工作流   快速   src   数据   流程   个数   

原文地址：https://www.cnblogs.com/shijieli/p/11925823.html