Andrew Ng机器学习笔记week8 无监督学习（聚类、PCA）

一、k均值聚类算法

1.K-­‐means算法

算法实现过程：


随机初始化K个聚类中心

几个类不是分离的，算法怎么做？举例，衣服大小怎么分：

2.K均值聚类算法的优化目标

3.随机初始化

局部最优的问题：


4.选择聚类的个数
选择一个临界点：

比如衣服尺寸的分类：

二、维度下降

目的：
①数据压缩

②数据的可视化（对数据的分析更加直观）

主成分分析（Principal Component Analysis–PCA）
问题：

算法：
数据预处理：


算法过程：

算法总结：

对被压缩过的数据表示进行重建：

选择主成分的数目


PCA应用的建议：