K-means聚类分析在机器学习中的应用原理是什么？

本文共计1628个文字，预计阅读时间需要7分钟。

前语+聚类问题是无监督学习的难题，算法思想以物以类聚、人以群分为主，聚类算法感知识别本质上是一种相似度，进行类别别归，对新输入进行预测，输出变量取有限个离散值。本次我们使用...

聚类问题是无监督学习的问题，算法思想就是物以类聚，人以群分，聚类算法感知样本间的相似度，进行类别归纳，对新输入进行输出预测，输出变量取有限个离散值。本次我们使用两种方法对鸢尾花数据进行聚类。

• 无监督就是没有标签的进行分类

K-means聚类算法（k-均值或k-平均）聚类算法。算法思想就是首先随机确定k个中心点作为聚类中心，然后把每个数据点分配给最邻近的中心点，分配完成后形成k个聚类，计算各个聚类的平均中心点，将其作为该聚类新的类中心点，然后迭代上述步骤知道分配过程不在产生变化。