【Julia机器学习】无监督学习系列：K-mean通俗理解

K均值算法伪代码：

1. 随机的选取K个中心点，代表K个类别；
2. 计算N个样本点和K个中心点之间的欧氏距离；
3. 将每个样本点划分到最近的（欧氏距离最小的）中心点类别中——迭代1；
4. 计算每个类别中样本点的均值，得到K个均值，将K个均值作为新的中心点——迭代2；
5. 重复234；
6. 得到收敛后的K个中心点（中心点不再变化）——迭代4。

上面提到的欧氏距离（Euclidean Distance），又叫欧几里得距离，表示欧几里得空间中两点间的距离。我们初中学过的坐标系，就是二维的欧几里得空间，欧氏距离就是两点间的距离，三维同理，多维空间的计算方式和三维二维相同。

其他距离测量方法我们后面讲。

举栗子：

我们现在有三组身高体重数据180kg、180cm，120kg、160cm和90kg、140cm，提问：这三个人里，哪两个人的身材比较相近呢？

这三组数据可以表示为A（180,180），B（120,160）和C（90,140），这就是我们很熟悉的平面直角坐标系里的三个点，他们之间的距离大家都知道算。

从结果可以看到Bc间的距离最小，也就是Bc的身材最相似。我们再增加一个维度，腰围，分别是100cm、120cm和140cm（随便编的不要当真），那现在这三组数据可以表示为A（180,180,100），B（120,160,120）和C（90,140,140），这就变成了我们高中学过的空间直角坐标系里的三个点，要计算它们之间的距离也很简单。

现在还是Bc的身材最相似，如果我们增加N个维度，数据就可以用（X₁,X₂,X₃,…..,Xn）和（Y₁,Y₂,Y₃,…..,Yn）来表示，他们之间的距离就是

K均值算法里样本点到中心点的距离就是这么计算的，这个用空间点，来表示数据的思想，在机器学习领域是非常常见和重要的，以后还会经常见到。值得注意的是：虽然K近邻算法和K均值算法没有什么关系，但是它们的思想有想通之处，并且原始模型实际使用起来计算起来都比较慢。