无监督K-Means算法（理论部分）

代码部分：https://jkchen.blog.csdn.net/article/details/103338207

无监督学习

给出只有特征值的数据，自行分成多个相似的簇。

以下是两个特征值的可视化情况：

你需要做到的结果大致如下：

K-Means算法

流程：

• 先随机K个点，作为K个簇的中心；
• 然后对于每个样本点，寻找最近的中心，并加入那个簇；
• 每个簇的中心变为簇中的所有样本点的均值点；
• 重复这个过程直到不发生变化。

定义：

• $x^{(i)}$为第i个样本点；
• ${\mu }_k$为第k个簇的中心点；
• $c^{(i)}$为第i个样本点的所属簇；
• $J$（畸变函数）为$J(\mu ,c)=\sum ||x^{(i)}-{\mu }_{c^{(i)}}|{|}^2$，即每个样本点到所属簇中心点的距离的平分和。

想法：

• 我们做第二步（寻找每个样本点的簇）是为了通过改变$c^{(i)}$来减小$J$；
• 做第三步（寻找每个簇的中心）是为了通过改变${\mu }_k$来减小$J$；
• 两种分类方法的优劣可以通过$J$的大小进行比较。

优化（重点）：

• 随机空间上的点过于随机，我们可以用随机样本点来代替；
• 初始值的选择很大程度上影响最后的结果，可能导致局部最优解，所以我们可以多做几次；
• 多做几次只有当K较小（小于10）时作用较大。

K的选择

很大程度上由主观决定。

虽然很多时候不能做到可视化，但是可以根据实际需求决定。例如为了做衣服，按照用户的身高体重，将用户分为三类，对应衣服的$S,M,L$。

如果不能确定，可以使用“肘部法则”（不能指望。。。）：