之前机器学习系列的所有文章讲得都是监督学习（supervised learning），今天我们来讲一讲无监督学习（unsupervised learning）。本文覆盖Coursera Machine Learning Week 8的内容，将会介绍一个无监督学习算法-K均值聚类算法（K-means Algorithm for clustering）

K-means Algorithm
无监督学习和监督学习最大的不同是他不需要对样本数据集打标签，而是只根据样本数据分析其内在规律而自动进行簇分类。直观意义上的理解：比如我们有这样一堆样本数据，他的分布如下图：

事先我们并没有对样本数据打标签以标识它属于哪个分类，通过聚类算法，我们希望这堆看上去很容易被分开的数据能够自动分类。那么具体怎么做呢？

对于K个分类的聚类算法而言，步骤如下：

1).首先，我们先随机选取K个样本点，我们称之为“簇中心”(cluster centroids)，如下图所示：

2).对每一个簇中心（1-K），我们找到所有离该中心最近的样本点，并且给它涂上不同的颜色，如下图所示：

[……]

继续阅读