数据科学与大数据分析学习笔记-5聚类

聚类是指通过无监督（unsupervised）技术对相似的数据对象进行分组形成簇。

K-means Clustering

给定m个对象的集合每个对象都有n个可测量的属性。
分四步：

1. Choose the value of k, and the k initial guess for the centroids
   选定 k 值，以及 k 个质心的初始猜测值。
2. Compute the distance from each data point to each centroid. Assign each point to the closest centroid.
   计算从每个数据点(xi ,yi )到每个质心的距离，然后每个点分配给最近的质心。所有分配
   给同一个质心的点组成一个簇。一共形成 k 个簇,使用欧几里得距离来测量。
   
3. Update the centroid of each cluster to become the center of gravity of the cluster.
   算步骤 2 中新形成定义的每一个簇的质量中心，即新质心。
   
   其中center of gravity是