#Day4#分类,聚类,k-means,KNN

标题机器学习分中有两类的大问题:
一个是分类,另一个是聚类.

那什么是聚类呢?

聚类指事先并不知道任何样本的类别标号，希望通过某种算法来把一组未知类别的样本划分成若干类别,这在机器学习中叫无监督学习.

k-means算法

那这个k是什么意思呢?
这个k呢,是用户给定的,你想分成几个簇就把k定为几,知道了吧?

关于机器学习中的参数

机器学习模型中一般有两类参数：
一类需要从数据中学习和估计得到，称为模型参数（Parameter）—即模型本身的参数。
还有一类则是机器学习算法中的调优参数（tuning parameters），需要人为设定，称为超参数（Hyperparameter）。

什么是分类?

分类是根据一些给定的已知类别标号的样本，训练某种学习机器，使它能够对未知类别的样本进行分类。这属于supervised learning（监督学习）。

KNN

KNN是通过测量不同特征值之间的距离进行分类。
它的思路是：如果一个样本在特征空间中的K个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别，其中K通常是不大于20的整数。

不同圆半径的选择就会把中间的小圆球分到不同的类别中