聚类综述

无监督学习：不需要事先根据训练数据去train聚类器，也可以称作不带类标记的（目标输出）的机器学习。

cost function：

即最小化所有数据与其聚类中心的欧氏距离和。

 假设出现这种情况，怎么理解？？一定是代码错误或者其他错误，不可能出现这种情况！

回归问题中有可能因为学习率设置过大产生随着迭代次数增加，cost function反倒增大的情况。但聚类是丌会产生这样的问题的，因为每一次聚类都保证了使J下降，且无学习率做参数。

 

初始聚类中心选择：

进行丌同initialization（50~1000次），每一种initialization的情况分别进行聚类，最后选取cost function J(C,U)最小的作为聚类结果。

 

k的选择：

elbow-method

 如果无没有明显的拐点，则属于以下分布。