聚类算法~无监督学习

什么是无监督学习？

• 先来看看什么是监督学习，一个典型的监督学习例子：
  
  👆一个带有标签的训练集 ，我们的目标是，找到一条能够区分正样本和负样本的决策边界。在监督学习中，我们有一系列的标签，然后我们需要用假设函数来拟合它。作为对比，在无监督学习中，我们的数据并不带有任何的标签，我们得到的数据是这样的👇：
  
  数据集可直接表示为 x⁽¹⁾,x⁽²⁾…,x⁽ⁿ⁾，没有y标签。
  对于这些数据，我们能做的就是在它们中间找到一些结构，而对于这个训练集，通过无监督学习可以将它分成两个簇，成为聚类算法（Clustering algorithm）👇。
  

K-Means算法

• 假设我们有一个无标签的数据集，如下图所示，我们希望将它分为两个簇，使用K-Means聚类算法，步骤如下：👇
  〇未使用K-Means聚类算法的原数据集。
  
  ①第一步是随即生成两点，这两点就叫做聚类中心(Cluster Centroids)，生成两个聚类中心，是因为我们现在希望将数据集分为两个簇👇。
  
  ②K-Means算法是一个迭代算法，它做两件事，第一步是簇分配（Cluster assignment），而第二步是移动聚类中心（Move centroid）。对于第一步而言，簇分配，是在内循环中遍历每一个数据样本点，也就是上图中的绿点，来给它们分配聚类中心（即上图中的红叉和蓝叉，分配依据是绿点距离红/蓝叉谁更近）。之后根据分配结果，将绿叉染成红色或蓝色。
  
  内循环的第二步，即是移动聚类中心，我们要做的就是将红叉和蓝叉（即聚类中心）移动到红点和蓝点的均值处。我们要做的就是找出所有的红点，计算它们的均值，即所有红点的平均位置，然后把红色的聚类中心移动到那里。对于蓝色聚类中心，我们也要做同样的事情。