机器学习实战——Kmeans聚类算法

1 聚类算法介绍

在无监督学习中，训练样本的标记是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础。聚类分析是无监督学习中的典型代表，其中比较常见的聚类算法有：K-均值聚类、密度聚类与层次聚类。接下来的文章逐一对三种聚类算法进行介绍。

1.1 K-均值聚类

K-均值聚类的基本思想是，对于给定的样本集，随机选择 k 个点作为初始点，按照样本间的距离大小，将样本集划分为 k 个簇，且簇内的点均方误差尽量小，簇间的点均方误差尽量大。假设给定样本集为 D = { x 1 , x 2 , . . . , x m } D=\{x_1,x_2,...,x_m\} D={ x1​,x2​,...,xm​},划分的簇 C = { C 1 , C 2 , . . . , C k } C=\{C_1,C_2,...,C_k\} C={ C1​,C2​,...,Ck​},则其划分簇的平方误差数学表达式如下：

$$E=$$