吴恩达机器学习个人笔记(七)-聚类

         聚类属于无监督学习。在之前的学习中，都是监督学习。监督学习与无监督学习的最大区别为训练数据集的特点，在监督学习中，训练集是有标签的，我们根据这些有标签的数据，训练出模型，输出相应的值。而在无监督学习中，我们的数据集没有标签，我们需要使用机器学习算法寻找出数据集中的内在结构。无监督学习的数据集如下所示

                                           

训练的数据集可以写成只有一直到,没有任何的标签。上图中的数据可以看作两个分开的点集(称为簇)，能找出这些点集的算法就称为聚类算法。

1k-均值算法

       k-均值算法是最普及的算法，该算法接受一个未标记的数据集，然后将数据集聚类成不同的类。k-均值算法是一种迭代算法,假设我们将数据聚类成n个组，那么步骤如下：

      首先随机选择K个随机点，称为聚类中心（cluster centroids）。对于数据集中的每个数据，计算他们与这些K个聚类中心的距离，然后将其与之关联起来(可认为每个组即为一个类，关联即属于该类)，将所有与这个聚类中心关联的点归为一类。

      下一步是重新设置聚类中心，计算每一个组的平均值，将聚类中心的坐标移动到平均值的位置。

      然后不断进行这两个步骤的迭代，直到聚类中心点不再变化。

      迭代10次，用来表示聚类中心，用来存储与第个实例数据最近的聚类中心的索引，k-均值算法的伪代码如下所示：

        Repeat{

               for =1 to