機器學習筆記之K-means聚類

閱讀全文請點擊 K-means聚類是聚類分析中比較基礎的算法，屬於典型的非監督學習算法。 其定義爲對未知標記的數據集，按照數據內部存在的數據特徵將數據集劃分爲多個不同的類別，使類別內的數據儘可能接近，類別間的數據相似度比較大。用於衡量距離的方法主要有曼哈頓距離、歐氏距離、切比雪夫距離，其中歐氏距離較爲常用。 算法原理如下： 1.創建K個點作爲初始質心（通常是隨機選擇） 2.當任意一個點的簇分類結果

>>阅读原文<<