下面介绍无监督机器学习算法,与前面分类回归不一样的是,这个不知道目标变量是什么,这个问题解决的是我们从这些样本中,我们能发现什么。
这下面主要讲述了聚类算法,跟数据挖掘中的关联挖掘中的两个主要算法。
K均值算法工作流程,首先随机确定k个初始点作为质心。然后将数据集中的每个点分配到一个簇中。
具体的讲就是为每个点找到最近的质心,并将其分配给该质心所对应的簇,这一步完成之后,每个簇的质心更新为该簇所有点的平均值。
具体伪代码如下:
为了克服K-均值算法收敛于局部最小值问题,有人提出了二分K-均值算法。
该算法首先将所有点作为一个簇,然后将簇一分为二,之后选择其中一个簇继续进行划分,选择哪一个簇进行划分取决于对其划分是否可以最大程度降低SSE(误差平方的值)。这个过程不断重复,直到用户指定的簇数为止。
具体伪代码如下:
这本书后面的几个算法的思想都不复杂,后续进行实现,先放着。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:机器学习10k均值 - Python技术站