k-means
聚类”——数据分析、数据挖掘
一、概要
分类作为一种监督学习方法,
要求必须事先明确知道各个类别的信息,
并
且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满
足,
尤其是在处理海量数据的时候,
如果通过预处理使得数据满足分类算法的要
求,则代价非常大,这时候可以考虑使用聚类算法。
聚类属于无监督学习,相比
于分类,
聚类不依赖预定义的类和类标号的训练实例
。
本文介绍一种常见的聚类
算法——
k
均值和
k
中心点聚类,最后会举一个实例:应用聚类方法试图解决
一个在体育界大家颇具争议的问题——中国男足近几年在亚洲到底处于几流水
平。
二、聚类问题
所谓聚类问题,就是给定一个元素集合
D
,其中每个元素具有
n
个可观
察属性,使用某种算法将
D
划分成
k
个子集,要求每个子集内部的元素之间相
异度尽可能低,而不同子集的元素相异度尽可能高。其中每个子集叫做一个簇。
与分类不同,
分类是示例式学习,
要求分类前明确各个类别,
并断言每个
元素映射到一个类别,
而聚类是观察式学习,
在聚类前可以不知道类别甚至不给
定类别数量,是无监督学习的一种。目前聚类广泛应用于统计学、生物学、数据
库技术和市场营销等领域,
相应的算法也非常的多。
本文仅介绍一种最简单的聚
类算法——
k
均值(
k-means
)算法。
三、概念介绍