1. 聚类(Clustering)
1.1 无监督学习: 简介
在一个典型的监督学习中，我们有一个有标签的训练集，我们的目标是找到能够区分正样本和负样本的决策边界，在这里的监督学习中，我们有一系列标签，我们需要据此拟合一个假设函数。与此不同的是，在非监督学习中，我们的数据没有附带任何标签，我们拿到的数据就是这样的：
在非监督学习中，我们需要将一系列无标签的训练数据，输入到一个算法中，然后我们告诉这个算法，快去为我们找找这个数据的内在结构给定数据。我们可能需要某种算法帮助我们寻找一种结构。图上的数据看起来可以分成 两个分开的点集（称为簇），一个能够找到我圈出的这些点集的算法，就被称为聚类算法。
这将是我们介绍的第一个非监督学习算法。当然，此后我们还将提到其他类型的非监督学习算法，它们可以为我们找到其他类型的结构或者其他的一些模式，而不只是簇。
1.11 聚类算法用途
1.2 K-均值算法
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