;第6章K-Means聚类算法 ;6.1K-Means聚类算法 ;有时,训练样本的标记信息是未知的。这时,需要对无标记训练样本进行学习。

分析这类无标签数据需要使用非监督学习技术。

非监督学习可以揭示数据的内在性质或分布规律,为进一步的数据分析提供基础。

非监督学习中，最为典型的就是聚类算法。;聚类(Clustering)是指将不同的对象划分成由多个对象组成的多个类的过程。由聚类产生的数据分组，同一组内的对象具有相似性，不同组的对象具有相异性。

聚类待划分的类别未知，即训练数据没有标签。聚类属于非监督学习。

;簇(cluster)是由距离邻近的对象组合而成的集合。聚类的最终目标是获得紧凑、