- 非監(jiān)督學(xué)習(xí)
- 定義：訓(xùn)練數(shù)據(jù)無(wú)類。
- 包括：類簇 （訓(xùn)練數(shù)據(jù)能分成某些組，例如：市場(chǎng)分割，社交網(wǎng)絡(luò)分析，基因檢測(cè)）； 異常檢測(cè)（訓(xùn)練數(shù)據(jù)中，一些值不能歸于期待的模型）
- Clustering 算法
- partitioning methods（分開算法，基于中心分簇）；例如：找出球形的相互獨(dú)立的簇；基于距離；k-means
- 基于關(guān)聯(lián)性的方法；例如：自上而下；自下而上
- 基于密度的方法；例如：密度模型DBSCAN
- 基于網(wǎng)格的方法；例如：使用多分辨率網(wǎng)格數(shù)據(jù)結(jié)構(gòu)
- 基于分布的方法；例如：Expectation-maximization算法
- K-means
- 定義：將數(shù)據(jù)分成K組，而每個(gè)簇都由簇中心點(diǎn)的距離有關(guān)
-
步驟： （1）選出k個(gè)點(diǎn)，作為均值中心點(diǎn)；（2）每個(gè)點(diǎn)的歸簇問題由與中心最近的距離決定； （3）更新下最新的均值中心點(diǎn)；（4） 重復(fù)以上步驟。
image.png -
K-mean缺點(diǎn)：（1） k的確定需要提前決定
（2）均值中心點(diǎn)的初始化很重要，選不好，就很容易產(chǎn)生不好的結(jié)果； （3） 只能解決數(shù)字化問題，例如性別，國(guó)家等類別，需要預(yù)先用數(shù)字表示；（4）在本地最小點(diǎn)，算法會(huì)停滯，即不收斂
image.png
image.png
（5）很容易受異常點(diǎn)和噪聲影響，導(dǎo)致不準(zhǔn)確分割
（6）不能用于球形的簇分割，或者不同密度和尺寸的簇
- 如何選擇k值
- 法1：根據(jù)分割結(jié)果，來調(diào)整k值
- 法2： elbow法，即嘗試不同的k值，逐步增加k值，然后觀察到均值中心點(diǎn)的平均距離變化；理想下，均值距離初期快速下降，后期緩慢下降；
-總的來說，目前很難找到elbow點(diǎn)，實(shí)際應(yīng)用中，不用elbow法來找k值。
