机器学习算法总结9:k-means聚类算法

无监督学习：训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础。
聚类是典型无监督学习任务，它试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个簇。

距离度量：通过距离来定义相似度度量，距离越大，相似度越小。最常用的距离度量是闵可夫斯基距离，其中，当p=2时，称为欧氏距离；当p=1时，称为曼哈顿距离。详见我的博客：机器学习算法总结3:K近邻法
除了上述距离度量，还有余弦距离，余弦值越接近1，说明两个向量夹角越接近0度，表明两个向量越相似。

余弦距离强调方向的差异，比如：聚类用户的喜好分布；
闵可夫斯基距离强调数值的差异，比如：聚类用户的活跃度。
k均值(k-means)算法是聚类算法中最经典的算法，其中，k表示类别数，means表示均值，顾名思义k-means是通过均值对样本集进行聚类的算法。
算法流程如下：

算法终止条件：通常设置一个最大运行轮数或最小调整幅度阈值，若达到最大轮数或调整幅度小于阈值，则停止运行。

参考书目：机器学习(周志华)