K-means算法在手寫體數字圖像數據上的使用示例

無監督學習： 着重於發現數據本身的分佈特點。與監督學習不同，無監督學習不需要對數據進行標記。這樣，在節省大量人工的同時，也讓可以 利用的數據規模變得不可限量。    從功能角度講，無監督學習模型可以幫助我們發現數據的「羣落」（數據聚類），同時也可以 尋找「離羣」的樣本；另外，對於特徵維度非常高的數據樣本，我們同樣可以通過無監督的學習對數據進行降維（特徵降維），保 留最具有區分性的低維度特徵。這些都

>>阅读原文<<