Kmeans算法简介

算法介绍

人的“物以类聚”

新生入学后根据各自的喜好加入对应的社团。

数据的“物以类聚”

如果把人类比机器学习中的数据，那么聚类就很好理解了

每当这个类别中有了新的数据加入的时候，我们要做的就是更新这个类别的中心位置，以方便这个新样本去适应这个类别，这便是kmeans算法的主要逻辑了。

如何定义相似

用两个点的距离：如欧式距离

引入cluster的相关概念

Kmean聚类实例

处理步骤：

1. 随机从数据集中选取K个样本当做centroid
2. 对于数据集中的每个点，计算它距离每个centroid的距离，并把它归为距离最近的那个cluster
3. 更新新的centroid位置
4. 重复2.3，直到centroid的位置不再改变

KMEANS的优缺点

优点

1. 非监督类的算法不需要样本的标注信息

缺点

1. 不能利用到数据的标注信息，意味着模型的性能不如其他监督学习
2. 对于K的取值，也就是你认为数据集中的样本应该分为几类，这个参数的设置极为敏感！

3. 对于数据集本身样本的分布也很敏感

参考资料

1. 【五分钟机器学习】物以类聚的Kmeans：https://www.bilibili.com/video/BV1ei4y1V7hX?from=search&seid=12931680004886943436