100天搞定机器学习|day43 几张GIF理解K-均值聚类原理

前文推荐

如何正确使用「K均值聚类」？

无监督学习是指从无标注数据中学习模型的机器学习问题。无标注数据是自然得到的数据，模型表示数据的类别、转换或概率无监督学习的本质是学习数据中的统计规律或潜在结构，主要包括聚类、降维、概率估计。

KMeans算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。

K个初始聚类中心点的选取对聚类结果具有较大的影响，因为在该算法第一步中是随机地选取任意k个对象作为初始聚类中心，初始地代表一个簇。该算法在每次迭代中对数据集中剩余的每个对象，根据其与各个簇中心的距离赋给最近的簇。当考查完所有数据对象后，一次迭代运算完成，新的聚类中心被计算出来。

算法过程如下： （1）从N个数据文档（样本）随机选取K个数据文档作为质心（聚类中心）。 本文在聚类中心初始化实现过程中采取在样本空间范围内随机生成K个聚类中心。 （2）对每个数据文档测量其到每个质心的距离，并把它归到最近的质心的类。 （3）重新计算已经得到的各个类的质心。 （4）迭代（2）~（3步直至新的质心与原质心相等或小于指定阈值，算法结束。

下图为avikjain博客上的几张GIF，形象说明k均值聚类的过程。

The data points.

Starting with 4 left-most points

Starting with 4 right-most points

Starting with 4 top points

Starting with 4 bottom points

Starting with 4 random points in one cluster

参考：

https://github.com/MLEveryday/100-Days-Of-ML-Code

https://www.cnblogs.com/eczhou/p/7860424.html

http://www.avikjain.me