机器学习（九）——均值聚类算法(k-means)

9.均值聚类算法(k-means)

在聚类的问题中，我们得到了一组训练样本集 { x(1),...,x(m)}\{x^{(1)},...,x^{(m)}\}{ x(1),...,x(m)}，然后想要把这些样本划分成若干个相关的“类群（clusters）”。其中的 $x^{(i)}\in R^n$，而并未给出分类标签 $y^{(i)}$ 。所以这就是一个无监督学习的问题了。
$K$ 均值聚类算法如下所示：

1. 随机初始化（initialize）聚类重心（cluster centroids） ${\mu }_1,{\mu }_2,...,{\mu }_k$