機器學習-聚類之K均值(K-means)算法原理及實戰

K-means算法 前言 機器學習方法主要分爲監督學習和非監督學習兩種。監督學習方法是在樣本標籤類別已知的情況下進行的，可以統計出各類樣本的概率分佈、特徵空間分佈區域等描述量，然後利用這些參數進行分類器設計。在實際應用中，很多情況是無法預先知道樣本標籤的，因而只能利用非監督機器學習方法進行分析。聚類分析就是典型的非監督學習方法，它在沒有給定劃分類別的情況下，根據數據自身的距離或者相似度進行樣本分組

>>阅读原文<<