机器学习实战ByMatlab（三）K-means算法

【原创】Liu_LongPo 转载请注明出处
【CSDN】http://blog.csdn.net/llp1992

K-means算法属于无监督学习聚类算法，其计算步骤还是挺简单的，思想也挺容易理解，而且还可以在思想中体会到EM算法的思想。

K-means 算法的优缺点：

1.优点：容易实现
2.缺点：可能收敛到局部最小值，在大规模数据集上收敛较慢

使用数据类型：数值型数据

以往的回归算法、朴素贝叶斯、SVM等都是有类别标签y的，因此属于有监督学习，而K-means聚类算法只有x，没有y

在聚类问题中，我们的训练样本是

其中每个Xi都是n维实数。

样本数据中没有了y，K-means算法是将样本聚类成k个簇，具体算法如下：
1、随机选取K个聚类质心点，记为

2、重复以下过程直到收敛

{
对每个样例 i ，计算其应该属于的类：

对每个类 j ，重新计算质心：

}

其中K是我们事先给定的聚类数目，Ci 表示样本 i 与K个聚类中最近的那个类，Ci的值是1到