K-Means聚类算法学习

K-Means聚类算法的简介：

　　聚类和分类算法的最大区别在于，分类的目标类别为已知（监督学习），而聚类的目标类别是未知的（无监督）,即数据集无标签. K-Means算法（K_均值算法）就是无监督算法之一,与分类、序列标注等任务不同，聚类是在事先并不知道任何样本标签的情况下，通过数据之间的内在关系把样本划分为若干类别，使得同类别样本之间的相似度高，不同类别之间的样本相似度低（即增大类内聚，减少类间距）. 简而言之,K-Means算法的原理就是对于给定的样本集，按照样本点之间的距离大小，将样本集划分为K个簇,设法让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大.