1. k-means的步骤：
先随机选择K个簇中心，
1）划分样本：每个样本分配到距离最近的簇。
2）更新簇中心位置：计算分配之后每个簇的中心位置，更新簇中心位置。
迭代上述过程，直到簇中心位置不变。
2. 代价函数
迭代完成后，每个样本距离所属簇中心的距离的均方和。
稍微说明了下，上述迭代过程就是最小化代价函数的过程（分别从样本相对于簇中心的距离，和簇的位置，两个维度的最小化）
3. 随机初始化
建议的做法，随机选择K个样本，作为初始化簇中心位置。
但这可能会带来局部最优解，为了防止这种情况，可以进行多次kmeans算法（50—1000次），取代价函数最小的聚类结果。这个方法对K值比较小的情况比较有用。K值很大的情况，多次进行kmeans改善不大。
4. 选取聚类数量（K）
一种方法是“肘部法则”——横轴是K，纵轴是代价函数，画出曲线，选择曲线出现明显拐点（“肘部”）的点的横坐标作为最优的K值。但通常实际情况下不会有明显的肘部。
另一种比较常用的方法是，根据实际的业务需求（想要分几类）来确定。
附，老师画的肘部曲线好萌
学习资源 b站：机器学习（Machine Learning）- 吴恩达（Andrew Ng）网易：吴恩达《机器学习...
无监督学习就是聚类问题：1、 聚类算法K-means2、如何选取初始值3、如何选择划分类别的数量K K-means...
无监督学习 数据集是不带标签的，要找到一下隐含在数据中的机构 算法首先生成两个聚类中心，第一步进行簇分类，然后遍历...
1. k-means的步骤： 先随机选择K个簇中心， 1）划分样本：每个样本分配到距离最近的簇。 2）更新簇中心...
学习记录，从小白做起。 传统给机器学习 先来镇楼的，吴恩达机器学习：吴恩达机器学习 OCTAVE版本下载：http...
吴恩达-机器学习课程--13:Clustering 的学习总结： 最常见的非监督算法：K-means算法 假如想把...
吴恩达机器学习课程
初学机器学习，将部分资料整理在此，逐渐完善。 视频资源 吴恩达机器学习 介绍：吴恩达老师关于机器学习的入门级视频...
吴恩达deep_learning_week2_logistic回归 标签： 机器学习深度学习 这是吴恩达深度学习里...
最近看吴恩达的机器学习视频，记录一下监督学习的个人理解 一、监督学习 监督学习有个显著的特征，就是你的数据需要人工...
本文标题：吴恩达机器学习——无监督学习
本文链接：https://www.haomeiwen.com/subject/pdfnzhtx.html
网友评论