聚类算法原理简介

1，聚类概念
聚类涉及到数据点的分组。给定一组数据点，我们可以使用聚类算法将每个数据点划分为一个特定的组。理论上，同一组中的数据点应该具有相似的属性和/或特征，而不同组中的数据点应该具有高度不同的属性和/或特征。聚类是一种无监督学习的方法（没有标签），是许多领域中常用的统计数据分析技术有时候作为监督学习中稀疏特征的预处理，有时候可以作为异常值检测。应用场景：新闻聚类、用户购买模式（交叉销售）、图像与基因技术等。聚类的难点有评估和调参等（无标签）。
2，K-means算法
要得到簇的个数，需要指定K值（簇的个数）；
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（对数据先标准化）；
优化目标：

工作流程：

（1）指定K的值，随机初始化两个质心（b）；
（2）遍历所有样本点（a），分别计算样本点到两个质心的距离并进行聚类（c）；
（3