AI学习笔记——无监督学习（Unsupervised Learning）K聚类（K-means）

上一篇文章介绍了无监督学习中的几个重要的术语，后面的文章继续介绍无监督学习中的几个经典算法。

K聚类（K-Means）

K聚类跟之前介绍的最近邻居法（K nearest Neighbours (KNN))非常相似。区别是最近邻居法的数据是已经标记过的并且K是指选择邻居的数量，而K聚类的数据是没有标记过的，K是指类的数量（就是有多少个类）。

算法也很简单，直接上动图

如上图，当K=3 的时候，先随机选择三个点的中心将数据分成三类。然后找到每一类数据中的中心点（平均距离最近的点）来替代第一次随机分配的点，这样就完成了第一次的迭代。反复多次，真正的3个中心点就会找到，于是就完成了类的聚集。

Thanks for reading my posts and welcome to comment. If you like my post , please upvote , resteem and follow me @hongtao
感谢您的阅读，欢迎留言，如果您喜欢我的帖子，请帮忙点赞、推送及关注我 @hongtao