機器學習演算法之Kmeans演算法（K均值演算法）
Kmeans演算法（K均值演算法）
KMeans演算法是典型的基於距離的聚類演算法，採用距離作為相似性的評價指標，即認為兩個對象的距離越近，其相似度就越大。該演算法認為簇是由距離靠近的對象組成的，因此把得到緊湊且獨立的簇作為最終目標。
如何定義兩個樣本的相似：
兩個樣本在歐式空間中的距離
引入新概念：
Cluster： 表示一個簇
centroid： 表示當前簇的中心
演算法步驟 ：
1.隨機從數據集中選取k個樣本當做centroid
2.對於數據集中的每個點，計算它距離每個centroid的距離，並把它歸為距離最近打那個cluster
3.更新新的centroid位置
4.重複2和2，直到centroid的位置不再改變
KMEANS 的優缺點
Pros：
1. 非監督類的演算法不需要樣本的標註資訊
CONS：
1. 不能利用到數據的標註資訊，意味著模型的性能不如其他監督學習
2. 對於K的取值，也就是你認為數據集中的樣本應該分為幾類，這個參數的設置極為敏感！
不同的K值，導致完全不同的分類結果！
3. 對於數據集本身樣本的分布也很敏感
和KNN的區別：
KNN：
1.只關注待測樣本的局部分布
2.K：K個最近鄰
3.監督類模型
KMeans：
1.關注樣本的全局分布
2.k：K個簇
