宣告：本文只用於學習交流，若不慎侵權，請及時聯絡我，立即予以刪除

• 一  聚類 

1. 監督學習與無監督學習

從上面可以看出，監督學習中training資料帶有標籤y，而無監督學習中training資料則沒有標籤y

2.  K-means 演算法

以下是該演算法的圖形演示：

注意：其實這裡選取的兩個簇族中心是原始training資料中的任意兩個，而且選擇不同，結果有很大的差異 

演算法思想步驟：

（1）隨機從training set中選取K個數據，作為各個簇族中心

（2）根據training set中其他資料距離這K個簇族中心的距離，將其標為相應的簇族set成員

（3）根據各個簇族set資料，求他們的平均值，作為新的簇族中心，來更新各個簇族中心

（4）重複上面步驟（2）和（3），直到兩個簇族集合不再發生變化為止。

演算法描述：                                                

     優化目標（cost function）

注意k-means演算法的第一步是隨機選取K個簇族中心的，所以可能會出現區域性最優，並非全域性最優

因此有了下面的演算法步驟：

那k-manes演算法中的大K如何進行選擇呢？

方法一：

方法二：