11 K-Means 原理及案例

11 K-Means 原理及案例

非监督学习

1. unsupervised learning （非监督学习） ，只有特征值，没有目标值
2. 聚类： 主要方法 - k-means （K - 需要分成的类别数）
   

K-Means步骤

1. 随机设置K个特征空间内的点作为初始的聚类中心 （红，绿，蓝） k=3 (给定）
   

2. 对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类
   中心点作为标记类别,形成3个族群
   

3. 分别计算这3个族群的平均值，把三个平均值与之前的三个旧中心进行比较。如果相同则结束聚类，如果不相同，把这三个平均点当做新的中心点，重复第二步。
   

Kmeans性能评估指标

注：对于每个点