吴恩达机器学习笔记46-K-均值算法（K-Means Algorithm）

　　K-均值是最普及的聚类算法，算法接受一个未标记的数据集，然后将数据聚类成不同的
组。

　　K-均值是一个迭代算法，假设我们想要将数据聚类成n 个组，其方法为:

首先选择𝐾个随机的点，称为聚类中心（cluster centroids）；

　　对于数据集中的每一个数据，按照距离𝐾个中心点的距离，将其与距离最近的中心点关
联起来，与同一个中心点关联的所有点聚成一类。

　　计算每一个组的平均值，将该组所关联的中心点移动到平均值的位置。

　　重复步骤2-4 直至中心点不再变化。

　　下面是一个聚类示例：

　　　　　　　　　　　　　　迭代 1 次

　　　　　　　　　　　　　　迭代 3 次

　　　　　　　　　　　　　　迭代 10 次

　　用𝜇1,𝜇2,...,𝜇𝑘 来表示聚类中心，用𝑐(1),𝑐(2),...,𝑐(𝑚)来存储与第𝑖个实例数据最近的聚类中
心的索引。

　　K-均值算法也可以很便利地用于将数据分为许多不同组，即使在没有非常明显区分的组
群的情况下也可以。下图所示的数据集包含身高和体重两项特征构成的，利用K-均值算法将
数据分为三类，用于帮助确定将要生产的T-恤衫的三种尺寸。