# 聚类算法
## 1. 无监督学习
### 监督学习
典型的监督学习是有一群带标签的数据，用假设函数取拟合它们，然后找到一条能够区分正负样本的决策边界。
### 无监督学习
在无监督学习中，数据不带有任何标签，故数据仅有x没有y。
无监督学习是把这些数据输入到算法中，让算法找到一些隐含在数据中的结构。
把数据分类成簇(cluster)的算法称为clustering algorithm聚类算法。它是无监督学习算法中的一种。
## 2. K-means 算法
### k-means算法的步骤
假设我们有一个数据集如下图。
第一步，在图中随机生成两点(因为我们想把数据分成两类)，这两点叫做聚类中心 cluster centroids
K-means是一种迭代算法，它在迭代中做两件事情：
1. 分配cluster ：看图中的所有点，分别离哪个聚类中心更近就分配给哪个聚类中心；
2. 移动聚类中心：计算所有红色的点的均值(中心位置)，把聚类中心移动到这个中心位置；蓝色的点也一样。
3. 重复第一步，把点重新分配给移动后的聚类中心
4. 重复第二步，移动聚类中心到平均值
5. 如此反复，直到收敛
