2021-12-26 K-means

第九章——K-means

9.1 聚类介绍
9.2 K-means的细节

9.1 聚类介绍

1、聚类的介绍

• 无监督学习模型的样本是没有标签的，没有标签的样本可以通过聚类分析进行利用。
• 聚类分析：聚类分析可以把样本中拥有相似特性的样本聚在一起，将样本分成几大类。
• 简而言之：可以被利用的样本是需要被分类的，聚类分析中的样本不用贴标签，因为它利用的是样本本身的特性。
• K-means是聚类分析中的一个流行万能算法。

2、聚类的应用场景

• 举例：图像分割（风景图被分割成山、水、蓝天、白云）

3、K-means的迭代过程

• 两个步骤：
  ① 根据给定的中心点计算每个样本的所属类别(cluster)，此过程结束后每个样本就会有属于自己的类别；
  ② 把所有类别的样本分别去取出，并进行平均值计算，平均值将作为该类新的中心点。
• K-means如何初始化中心点？
  答：随机选择k个点，作为初始的中心点，每个点代表一个group。