吴恩达机器学习笔记 —— 14 无监督学习

本章讲述的是第一个无监督的机器学习算法，在无监督的算法中，样本数据只有特征向量，并没有标注的y值。比如聚类算法，它可以用在市场分类、社交网络分析、天体数据分析等等。

更多内容参考 机器学习&深度学习

在做聚类时，最简单的算法就是k-means，一般的流程是:

1. 首先随机选择k个聚类中心点
2. 遍历所有的样本，选择一个距离最近的中心点，并标记为对应的聚类
3. 重新针对类簇计算中心点
4. 重复2-3的过程

还有一个算法在这次的课程中没有提到，就是kmeans++，它与上面的kmeans不同的是，选择中心点是首先随机选择一个，然后选择一个离当前最远的作为下一个中心点....

聚类算法有时候并不是那么完美分割的，大部分的时候数据都是连接在一起的：

k-means的优化目标：其实就是每个样本点与其中心点计算一次距离，全部样本的平均距离就是算法的优化目标，min(path)越小，代表聚类算法越好。不过细想一下，如果K越大，这个值就会越小。所以这个值也只能作为一个参考而已...

k-means的算法效果很大程度上取决于初始节点的选取。因此可以多尝试随机几次看看效果：

在聚类算法中还有一个很重要的问题，就是K值如何选取：可以通过下面的肘点法选择，比如下面左边的图，随着k的值增加，损失值开始下降，那么那个拐点就是我们选择的最佳值；不过有时候，曲线会像右边的图一样，这时肘点法就不起作用了，最终可以依赖于业务含义来选择k的值。