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
![](https://i-blog.csdnimg.cn/blog_migrate/2c659232926ea694dadda222a39ec456.png#pic_center)