👇点击关注公众号👇
第一时间获取人工智能干货内容
聚类问题是什么？
聚类问题的特点：
没有正确的答案（标签）
依靠自身属性相似度，物以类聚
如何判断相似度？
用某种距离作为聚类的依据，这种距离越近，则相似度越高，则可以考虑为同一类。
图形标记没有其他意思（因为是无答案，无标签的）
这里聚类使用的是欧式距离
K-means聚类算法原理：
事先确定常数K，常数K意味着最终的聚类类别数。
（1）随机选定初始点为质心
（2）通过计算每一个样本与质心之间的相似度(这里为欧式距离)，将样本点归到最相似的类中
（3）重新计算每个类的质心(即为类中心)
重复（2）、（3）的过程，直到达到规定迭代次数（例如400次）
或者质心基本不改变（通过设定一个变化阈值）
最终就确定了每个样本所属的类别以及每个类的质心。
假设K=3，一 开始随机选了三个中心。
将每个点与三个中心计算欧式距离，将其归入距离最近的中心类。
然后，重新计算每个群的中心（均值位置）
然后重复（2）、（3）过程
算法缺点：
（1）由于每次都要计算所有的样本与每一个质心之间的相似度，故在大规模的数据集上，K-Means算法的收敛速度比较慢。
（2）一开始要人为给定K值。
（3）如果起始点选的不好，会聚类较差。
k既然是人工取值的，那取多少比较好呢？
常用方法：肘方法
选择曲线拐点部分作为 K 的选择参考，如下图可以选 K 为 5。
还有轮廓系数的方法，大家可以了解下。
这就是 K-Means 聚类算法的原理部分，是不是很简单呢？
