7.无监督学习

一.聚类：

1. 概念：

• 聚类算法会查看多个数据点，并自动找到相关/相似的数据点；

【例】给定一个包含特征x1、x2的数据集，在有监督学习中，我们有一个包含输入特征x与标签y的训练集，绘制如图所示数据集并拟合（比如使用逻辑回归算法/神经网络来学习决策边界 ）；

无监督学习中，你只能得到数据集只有x（没有标签y），我们要求算法发现数据中的结构；聚类算法会在数据中寻找一种特定的结构类型（换句话说会查看数据集并尝试可否将其分组为彼此相似的组 ）；

2.K-means：

• 又称K均值聚类算法；
• k-means会反复做：将点分配到簇的质心；移动簇的质心分配到所有点的平均位置（质心即中心）；

2.1.工作原理：

如图所示，绘制一个包含30个未标记训练样本数据集，在该数据集上运行K-means算法，假设希望分类从两个簇。K-means首先会随机猜测两个中心的位置，希望找到簇；

如图所示，