数据挖掘笔记：聚类算法

---

啥是聚类？

在讲聚类之前，先讲讲无监督学习；

• 无监督学习：在训练的时候只需要特征矩阵X，不需要标签；
• 聚类算法/无监督分类作用：将数据划分成有意义或有用的组（或簇）；

聚类和分类的比较如下图所示：

---

KMeans

聚类作为机器学习的一种常用方式，其中最为著名的就是KMeans算法；

• 核心任务：根据我们设定好的K，找出K个最优的质心，并将离这些质心最近的数据分别分配到这些质心代表的簇中去；
• 工作流程：如下图所示：
  
  将其工作过程图像化后如下图所示：规定将数据分为4簇（K=4），其中白色X代表质心的位置
  
  

右边的那个图可以看出：第六次迭代之后，基本上质心的位置就不再改变了，生成的簇也变得稳定。此时聚类就完成了，接下来就可以对这四类数据进行不同的处理；

但是由于其是无监督学习，没有特别的指标来定义分类结果好坏。所以要结合问题的专业领域知识来综合分析聚类结果，从而得知分类效果的可信度；