聚类算法Kmeans

聚类算法Kmeans

聚类概念：
无监督问题：我们手里没有标签了
聚类：相似的东西分到一组
难点：如何评估，如何调参

K-MEANS算法基本概念：
要得到簇的个数，需要指定K值
质心：均值，即向量各维取平均即可
距离的度量：常用欧几里得距离和余弦相似度（先标准化）
欧氏距离就是点到点的距离

数据标准化是指当一组数据X浮动很小，另一组数据y浮动很大时，机器会认为X没什么作用，y的作用很大，这是就要对y进行标准化，将它的值的范围变得和x差不多，
在泰坦尼克号案例中也曾进行数据标准化

优势：简单，快速，适合常规数据集
劣势：K值难确定
复杂度与样本呈线性关系（样本点很多就会很复杂，因为每次迭代都要计算一次每个点与中心点之间的距离）
很难发现任意形状的簇

K_means算法对初始值的要求很高，初始值不好，分出来的效果会很差.

使用Kmeans进行图像压缩
对老虎像素点进行聚类
每个像素点取值都在0-255，就是有256种可能，现在通过聚类，将256种可能性压缩一半，压缩成128种可能性

例子：
由于老虎图像太大，先用一张比较小的图片来测试

In