机器学习复习18-无监督K-Means & 监督KNN

1. 无监督K-Means

K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means++, 距离计算优化elkan K-Means算法和大数据情况下的优化Mini Batch K-Means算法。

1.1 原理

1.2 初始化优化K-Means++

1.3 K-Means距离计算优化elkan K-Means

1.4 大样本优化Mini Batch K-Means

不适合样本过少的数据集。

1.5 常见问题

本来这篇文章还打算讲一下DBSCAN，后来仔细想一下，NLP目前基本用不到，面试考的可能性也不大，所以暂且就不提了，以后用到再细究。

2. 监督KNN