K-MEANS算法

聚类概念：

无监督问题：我们手里没有标签了

聚类：相似的东西分到一组

难点：如何评估，如何调参

要得到簇的个数，需要指定K值

质心：均值，即向量各维取平均即可

距离的度量：常用欧几里得距离和余弦相似度（先标准化）

优化目标：

Ci是质心，x是数据，质心到数据的距离

 

工作流程：

通过不断更新质心来确定类别。

例如c->d，红色质心和蓝色质心是在c聚类之后将质心更新为d，

再从d->e，d经过距离距离后得到了e，那么e的质心就不是e中的了，需要根据e的聚类结果，更新到f，

f，f无论如何更新质心，质心的位置都不会有太大的变化，就可以认为聚类工作完成。

 

优势：

简单，快速，适合常规数据集

劣势：

K值难确定

复杂度与样本呈线性关系

很难发现任意形状的簇

 

可视化聚类效果网站：

https://www.naftaliharris.com/blog/visualizing-k-means-clustering/

 

经过K-MEANS聚类的效果：

 

 

 通过DBSCAN算法聚类的结果：