分群(Clustering)演算法是使用非監督式學習方法將相似的資料聚集在一起，跟分類(Classfication)演算法不同的地方在於無法提前知道輸出類別有哪些，K-Means 是一種常用的分群演算法，做法是將每筆資料視為一個點，先隨機挑選 K 個點當作群中心，接著計算點與群中心的距離，將點歸類為最近的群，接著重新挑選群中心，一直重複執行後，最後會得到更準確的 K 個群中心

K-Means Clustering 分群演算法

位置：Machine Learning / Initialize Model / Clustering / K-Means Clustering

1. 【Dataset】匯入資料集：Wholesale customers Data Set 批發客戶資料集
   【Import Data】資料來源 URL：https://archive.ics.uci.edu/ml/machine-learning-databases/00292/Wholesale%20customers%20data.csv
   

   此 CSV 檔的第一筆資料為欄位名稱，所以上方的 CSV or TSV has header row 要勾選，不然的話資料會像下圖，將欄位名稱當成第一筆資料來用
   

   Wholesale customers Data Set 批發客戶資料集有以下欄位：

   • 客戶購買管道(Channel)
   • 客戶消費位置(Region)
   • 新產品的年度消費(Fresh)
   • 奶製品的年度消費(Milk)
   • 雜貨用品的年度消費(Grocery)
   • 冷凍食品的年度消費(Frozen)
   • 洗滌劑與紙製品的年度消費(Detergents_Paper)
   • 熟食品的年度消費(Delicassen)

   

   資料來源：UCI Mahchine Learning Repositury - Wholesale customers Data Set
   

2. 【Train Clustering Model】分群訓練模型：選擇所有欄位

3. 【Clustering】演算法：K-Means Clustering，設定 K=4 ，將資料分為 4 群，選擇 Euclidean 歐幾里得距離測量方法、Iterations 迭代次數設定預設的 100 ，也就是重新挑選群中心的次數
   

4. 執行完成後，可以看到分群後的結果為下圖
   

5. 【Edit Metadata】可以使用 Edit Metadata 看分群結果的數據值，選擇所有欄位
   

6. 執行後結果為下圖，前部分為原資料、Assignments 是分成哪一群、後方的DistancesToClusterCenter no.X 代表此資料與各個群中心的距離，例如：第 1 筆資料距離群 0 的距離 = 8102.728234、距離群 1 的距離 = 63300.236988、距離群 2 的距離 = 24730.050289、距離群 3 的距離 = 23779.390318，所以會被分類到距離最近的群 0
   

7. 開啟右手邊的統計數據也可以看各個群的數量，可以看到群 0 佔最多數
   

測試新數據的分群結果

8. 以相同的資料集與分群訓練模型，再額外新增 Split Data 將資料分為訓練集與測試集，以及新增 Assign to Clusters，左半邊的輸入接 Train Clustering Model 的輸出、右半邊的輸入接 Split Data 測試集的資料
   

9. 重新執行結果，就可以看到新資料分別會被分在哪一群中