灵感和洞见——无监督学习之聚类

机器学习当中，有两个算法以『K』开头，Knn和K-means，这里面的K，都是代表数量选择，前者代表参与比较的『近邻』数量，后者代表分组的数量。K-means是『聚类分析』的常用算法，目的是对一组数据进行分类。

和knn类似，K-means算法的依据也是距离，根据每组数值间的距离，来进行一批数据的分组或分类。knn的场景多为『监督学习』，即有目标地将某条记录分类到已有的类别当中。而K-means算法，属于『无监督』学习，计算前并没有特定的分类，而是直接通过算法进行分类，然后再人工进行判断调整。

由于算法的关系，k的数量极大影响分类的准确度，可以想象的是，分类越多，则组内相似度肯定越高，但容易出现过度拟合或无实际意义；分类约少相似度则相对差，但容错性好些。选择合适的k值，需要精巧的平衡。经验值一般是n/2的平方根。即1000个样本的分类数量大约是23。但多数情况，需要在了解数据背景的基础上，有一个大致的判断。

K-means经常用于社交网络或电商人群的『大数据』分析，将用户分为各种不同的类别，再有针对性地进行分析和运营。与之类似，在医学领域，可以用于没有明显规律的数据分析，例如针对大量人群的流行病学研究，检验结果分析，细胞学，基因分析等。

无监督学习的精髓是，机器进行分类后，需要对分类结果继续进行分析，淘汰明显无用和不合理的分类，在此基础上建立有效模式，后续用于新数据的分类识别，或者进一步监督学习，建立模型。

总之，无监督学习往往给出的是灵感和方向，仍然需要人的经验判断和洞见。

注：图片来自网络