斯坦福大学公开课 ：机器学习课程（Andrew Ng）——9、无监督学习：K-means Clustering Algorithm

1）K-means聚类算法（K-means Clustering Algorithm）描述

2）2-means聚类算法（K-means Clustering Algorithm）效果展示图片

 

3）k-means聚类算法（K-means Clustering Algorithm）收敛性简述

4）支持k-means聚类算法（K-means Clustering Algorithm）有效性的EM思想

 

 

 

K-means Clustering Algorithm是聚类算法中最简单的一种了，但却是非常有效的一种。由于简单，算法描述会一笔带过；由于有效，我们将探讨支持该算法有效性的EM思想。

开始前说一下什么是无监督学习（Unsupervised Learning）：即，训练样本只给出特征值，其中每个，而没有给出对应的y。回忆前面的有监督学习，例如回归、朴素贝叶斯、SVM等，训练样本都是有类别标签y。

1）K-means聚类算法（K-means Clustering Algorithm）描述

K-means算法是将样本聚类成k个簇（cluster），具体算法描述如下：

 

1、 随机选取k个聚类质心点（cluster centroids）为。 2、 重复下面过程直到收敛 {                对于每一个样例i，计算其应该属于的类                               对于每一个类j，重新计算该类的质心                }

2）2-means聚类算法（K-means Clustering A