《机器学习实战》第10章学习笔记（k-Means）

一、聚类

1.1聚类任务

聚类试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个“簇”（cluster）。

1.2 性能度量

聚类性能度量亦称聚类“有效性指标”（validity index）。与监督学习中的性能度量作用类似，对于聚类结果，我们需要通过某种性能度量来评估其好坏；另一方面，若明确了最终要使用的性能度量，则可直接将其作为聚类过程的优化目标，从而更好地得到符合要求的聚类结果。

1.2.1 常用的外部指标：

1.2.2 常用内部指标

1.3  距离计算

                     

二、K-Means算法

2.1 定义

K-Means算法可以发现k个不同的簇， 且每个簇的中心采用簇中所含值的均值计算而成。

2.2 K-Means算法过程

2.3 实现代码