机器学习算法 无监督学习 算法

 本文介绍无监督学习算法：

 - 聚类算法

 - Apriori算法

 - FP-growth 算法

 因时间关系，就简单介绍其原理，不涉及实例和代码
 

1 聚类算法

 聚类（Clustering）与分类（classification）的最大不同在于，分类的目标事先已知，而聚类不一样，因产生结果和分类相同，

只是类别没有预先定义，所以聚类也有时叫无监督分类（Unsupervised classification）

 所谓无监督学习是指事先并不知道要寻找的内容，即没有目标变量。聚类将数据点归到多个簇中，其中相似数据点处于同一簇，

而不相似数据点处于不同簇中。聚类中可以使用多种不同的方法来计算相似度。

 

1.1 K-均值聚类算法

 一种广泛使用的聚类算法是K-均值算法，其中K是用户指定的要创建的簇的数目。K-均值聚类算法以K个随机质心开始。算法会计算

每个点到质心的距离。每个点会被分配到距其最近的簇质心，然后紧接着基于新分配到簇的点更新簇质心。以上过程重复数次，直到簇质

心不再改变。

 优点：容易实现

 缺点：可能收敛到局部最小值，在大规模数据集上收敛较慢。

 适用数据类型：数据型数据

 实现思路：

  随机设定K个簇质心点，然后最近原则进行分类（簇），重新计算质心&#