機器學習算法與Python實踐這個系列主要是參考《機器學習實戰》這本書。因為自己想學習Python，然后也想對一些機器學習算法加深下了解，所以就想通過Python來實現幾個比較常用的機器學習算法。恰好遇見這本同樣定位的書籍，所以就參考這本書的過程來學習了。

       機器學習中有兩類的大問題，一個是分類，一個是聚類。分類是根據一些給定的已知類別標號的樣本，訓練某種學習機器，使它能夠對未知類別的樣本進行分類。這屬于supervised learning（監督學習）。而聚類指事先并不知道任何樣本的類別標號，希望通過某種算法來把一組未知類別的樣本劃分成若干類別，這在機器學習中被稱作 unsupervised learning （無監督學習）。在本文中，我們關注其中一個比較簡單的聚類算法：k-means算法。

 

一、k-means算法

       通常，人們根據樣本間的某種距離或者相似性來定義聚類，即把相似的（或距離近的）樣本聚為同一類，而把不相似的（或距離遠的）樣本歸在其他類。

       我們以一個二維的例子來說明下聚類的目的。如下圖左所示，假

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的机器学习算法与Python实践之（五）k均值聚类（k-means）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。