K-means聚类算法原理与实现

无监督学习

首先这类算法是属于典型的无监督学习算法，比如 PCA 将维等等。这类算法在先前的机器学习文章过程中有提到，但是我自己没有去具体分析它的实现，只是简单地去使用sklearn去做一些应用去了。那么要先讲清楚K-means那么必然是要先搞清楚无监督的意思，我这里将使用最简单的语言来尽可能地去描述复杂算法（虽然这个K-means其实也不复杂，难的其实我认为还是对现实生活中各种参数的量化，建模，也就是如何得到合理高效的数据集。例如，如何寻找一个数据集来通过KNN算法来分析妹子对男孩子的喜好进行分类，女孩子喜欢男孩子的哪几种特征，从而提高男性魅力，实现科学脱单。当然这可能不符合工程伦理，同时创建这样一个数据集有着诸多困难）那么关于无监督学习:

非监督式学习是一种机器学习的方式，并不需要人力来输入标签。 它是监督式学习和强化学习等策略之外的一种选择。 在监督式学习中，典型的任务是分类和回归分析，且需要使用到人工预先准备好的范例(base)。 … 无监督学习主要是针对（有）监督学习和强化学习而言的，可以通过对输入的解释将强化学习、监督学习和无监督学习区分开来。

这个是百科上的定义，那么实际举个例子就是这样。