无监督学习——聚类算法

K-Means算法

主要步骤

K-Means算法是一个迭代算法，主要两个步骤

1. 随机初始化K个点作为聚类中心，中心不一定是给出的点中的，不过最好选择样本中K个点作为聚类中心。
2. 簇分配：遍历每个点，根据距离分配到K个聚类中心。如果没有点一般丢掉这个聚类中心，不过这种情况十分罕见。
3. 移动聚类中心：找出所有同类的点，计算其位置均值，这就是新的聚类中心。再次进入2循环，直到聚类中心不改变。

目标优化函数(代价函数)

初始化不同导致的局部最优

解决方法：多次计算计算代价函数。适用于聚类数目较小的情况。

局部最优原因

K值的选择

1. 肘部法则

2.根据自己的目的确定个数。