k-Means算法和实战演练

1.  k-均值聚类算法介绍

跟之前写的SVM和Adaboost算法不一样的是，k-均值聚类算法所进行分类的数据是没有类别的。

之前写的机器学习算法，都是分类算法，属于监督学习，简单来说就是我给训练机器一部分带有分类标签的训练数据，训练机器自己通过学习找到其中的分类准则，并用该准则来分类之后给的预测数据；

k-均值聚类算法是聚类算法，属于无监督学习，简单来说就是我给训练机器的数据就是没有分类标签的，训练机器需要通过算法将这些数据进行分类，每加入一个新的数据，分类结果都会有所不同。

2.  k-均值聚类算法原理

首先，随机确定k个初始点作为中心。然后将数据集中的每一个点分配到一个簇中，这里的分配原则是就近原则，即数据点离哪一个中心点的欧式距离小就分到那一簇里。：

(这里假设数据点有n个特征值)

第一次将所有的点都分配完后，就要将中心点的值进行更新，更新的原则是就是取该簇里数据点的中心点：