本文主要向大家介绍了机器学习入门之Stanford 机器学习-clustering，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

clustering

13.2 K-Means Algorithm

 
输入K和训练集，K代表聚类后的cluster数目。 
 
μi\mu_{i} 是指第i个聚类中心点，首先随机指定k个聚类的中心。 
第一步：对于每个点，选取离这个点最近的中心为该点的分类。 
第二步：根据分类后的结果，进行聚类中心μi\mu_{i} 的更新



13.3 Optimization Objective

 
从公式可以看出优化目标就是最小化所有数据与其聚类中心的欧氏距离和。



13.4 Random Initialization

 
随机选取k个点作为中心 
 
避免得到局部最优解的办法是：进行多次初始化，多次优化，从中选取最好的结果。



13.5 Choosing the Number of Clusters

可视化，自己选。 

        
            $(function () {
                $(‘pre.prettyprint code‘).each(function () {
                    var lines = $(this).text().split(‘\n‘).length;
                    var $numbering = $(‘

• ‘).addClass(‘pre-numbering‘).hide();




•                     $(this).addClass(‘has-numbering‘).parent().append($numbering);




•                     for (i = 1; i <= lines; i++) {




•                         $numbering.append($(‘

• ‘).text(i));
                      };
                      $numbering.fadeIn(1700);
                  });
              });
  

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！