機器學習算法總結9:k-means聚類算法

無監督學習：訓練樣本的標記信息是未知的，目標是通過對無標記訓練樣本的學習來揭示數據的內在性質及規律，爲進一步的數據分析提供基礎。 聚類是典型無監督學習任務，它試圖將數據集中的樣本劃分爲若干個通常是不相交的子集，每個子集稱爲一個簇。 距離度量：通過距離來定義相似度度量，距離越大，相似度越小。最常用的距離度量是閔可夫斯基距離，其中，當p=2時，稱爲歐氏距離；當p=1時，稱爲曼哈頓距離。詳見我的博客：機

>>阅读原文<<