【机器学习】K-Means聚类算法

K-Means是一种聚类算法，与之前提到的朴素贝叶斯等算法不同，它属于无监督学习。无监督学习是什么意思呢？简单来说，之前的算法中我们是利用特征 x 和类别 y 来进行训练、分类的，而无监督学习是指不需要我们提供具体的类别 y ，而让数据自己聚在一起，形成 k 个簇，以实现分类的目的。

具体方法是通过对给定的样本进行划分，分为 k 个簇，使得簇内的点尽量紧密的连在一起，而簇间的距离尽量大，评判的标准就是通过欧氏距离。

主要包括两个步骤（首先初始化 k 个质心）：

1. 分别计算样本点与各个质心的距离，来判断样本归属于哪个簇；

2. 寻找得到的簇的新质心，并更新。
   

重复循环上述两步，直到平均距离最小，即找到了最佳的质心以及簇的分类。

接下来看看如何通过程序来实现。首先需要用到sklearn中的方法来生成一些用来测试的数据——make_blobs。</