机器学习算法（四）：K均值（K-means）

TODO

K-均值(K-means)算法是无监督算法，也是聚类(clustering)算法。

算法步骤

1. 随机初始化几个点作为簇的质心，初始化方式有多种，可以自行选择。已知两种：

• 随机选择K个样本作为簇的质心。来源于吴恩达机器学习视频
• min + (max - min) * (0到1之间的小数)，其中最大值最小值均代表。来源于《机器学习实战》

2. 计算某个样本到每个簇的质心之间的代价（距离），代价函数有多种可自行选择。比如：

• 均方误差(mse) 选出其中最小的代价，并求出簇的索引，然后将该样本划分给该质心所属的簇。每个样本都执行这步直到样本遍历完毕。

3. 经过步骤2，每个样本都归属于一个簇。然后遍历每一个簇，将簇中的数据求均值，将该均值作为簇的新质心。
4. 重复以上步骤，直到发现每个样本都归属于某个簇，并且样本归属不会再发生变化。 简化如下：

   随机初始化质心
   	while true
   		for 每个样本
   			for 每个质心
   				计算每个样本到质心的代价
   			选出最小的代价
   			将样本分配给这个簇
   		
   		for 每个质心
   			求出该簇所属的样本的均值
   			将该均值设置为簇的新质点
   			
   		if 样本归属不再发生变化
   			break

举一个简单的例子

这里有一个简单例子