非監督式學習k-means分群

今日學習目標

• 非監督式學習
  • 何謂非監督式學習? 集群分析?
• 分群演算法介紹
  • k-means 分群分類演算法

非監督式學習(Un-supervised learning)

訓練資料沒有標準答案、不需要事先以人力輸入標籤，故機器在學習時並不知道其分類 結果是否正確。訓練時僅須對機器提供輸入資料(特徵)，並利用分群演算法自動從這些特 徵中找出潛在的規則。

k-means 演算法

k-means 演算法的算法很簡單，僅一般加減乘除就好不需複雜的計算公式。

1. 初始化:指定K個分群，並隨機挑選K個資料點的值當作群組中心值
2. 分配資料點:將每個資料點設為距離最近的中心
3. 計算平均值:重新計算每個分群的中心點

重複步驟2、3，直到資料點不再變換群組為止

本系列教學簡報 PDF & Code 都可以從我的 GitHub 取得！
文章同時發表於： https://andy6804tw.github.io/crazyai-ml/6.非監督式學習k-means分群

如果你對機器學習和人工智慧（AI）技術感興趣，歡迎參考我的線上免費電子書《經典機器學習》。這本書涵蓋了許多實用的機器學習方法和技術，適合任何對這個領域有興趣的讀者。點擊下方連結即可獲取最新內容，讓我們一起深入了解AI的世界！

👉 全民瘋AI系列 [經典機器學習] 線上免費電子書
👉 其它全民瘋AI系列 這是一個入口，匯集了許多不同主題的AI免費電子書