无监督学习

数据集是不带标签的，要找到一下隐含在数据中的机构

无监督的聚类算法

算法首先生成两个聚类中心，第一步进行簇分类，然后遍历数据集，计算每个点到聚类中心的距离，然后将点和最近的聚类中心分为一类；第二部内循环就是重新划分聚类，将两个聚类中心移动到同类点的平均位置，然后在进行簇分类，计算每个节点到新的聚类中为的距离然后进行分类，再次更新聚类中心的位置，这样不断迭代下去，知道聚类中心不会再改变，成为聚类中心收敛。

K-mean算法的输入

K-means算法流程

K-meas用于分类不佳的数据

即使是分类不佳的数据，算法也能较好的将数据分类，然后根据不同组内数据的特点进行市场划分。

K-means算法的优化目标

K-means算法也存在优化目标，损失函数，了解算法的优化目标可以帮助我们进行算法的debug，更好的调试目标，也可以再进行优化，寻找簇的时候找到最优解，避免局部最优。

算法的优化函数

最小化损失函数也称为算法的失真代价函数。通过优化代价函数，可以找到合适的类中心。

随机初始化

如何初始化聚类中心

初始化聚类中心

聚类算法可能会得到局部最优，如下图所示，将本应归为一类的点分离开：

局部最优

为了跳出这种局部最优，我们通常进行多次随机初始化，多次重复选择聚类中心。尽力实现较好的局部最优或全局最优。以下是实际做法：

多次聚类

如上所示，可以重复进行一百次聚类算法，然后找到使损失函数最小的聚类结果。通常在目标类数目较少的情况下，多次初始化效果较好，如果类数据过多，则多次随机初始化不太奏效。

聚类数量的选择

通常进行聚类数量选择的方法还是通过观察图或者聚类算法的输出，还没有自动选择的方法。有一个肘部法则（Elbow method）

elbow method

通过画出损失函数和聚类数量的图像，可以选择拐点对应的数量作为聚类数量。但是，有时也会遇到有图的情况，拐地不明确。还可以通过聚类目的进行局类数目的选择，如下图：

根据使用目的进行聚类数目的选择

进行聚类是为了实现多种目的，如市场分割等，因此，我们可以根据目的进行聚类数的选择，如在进行T-shirt尺码的设计时，我们可能需要三种尺码的T-shirt，或者是五种，然后就确定了聚类的数量。