机器学习算法实践 K均值聚类的实用技巧 (机器学习)
编者按：本文作者为美国数据分析专家 Bilal Mahmood，他是用户数据分析平台 Bolt 的创始人之一。在本文中，他详细介绍了一种称为 K-Means Clustering（k均值聚类）的算法，其中包括如何衡量算法效果，以及如何确定你需要生成的数据段集数量。雷锋网编译整理，更多AI开发技术文章，关注AI研习社（微信号：okweiwu）。
Bilal Mahmood：我们最常做的分析之一,便是在数据中提取模式。 比方说，某公司的客户可被划分入哪些细分市场？ 我们如何在用户网络中找到特定群体的聚类？
通过机器学习的方式，我们可以得到这些问题的答案。 即使当我们不知道需要查找哪些特定数据段，亦或我们的数据格式是非结构化数据，我们都可以有这么一种技术手段，在算法上，分析出数据中合理的数据模式，合适的数据段和分类结果。
在本文中，我们将会详细介绍一种算法，K-Means Clustering(K均值聚类)，包括如何衡量其效果，以及如何确定我们要生成的数据段集数量。
监督VS无监督学习
在数据分类领域里，有两种有效的机器学习方式。
通过监督学习，如果你搞清楚哪些输入能映射到哪些离散数据段，便可以对结果的分类做预测。 但在许多情况下，实际上不会有这些预定义好的标签，而只有非结构化数据——根本没有定义好的数据段。这时，您可能就需要借助无监督学习，从未标记的数据中推理出目标数据段。
为了更清楚一些，我们以分类T恤尺寸为例
如果我们拿到如图1A所示数据集，我们将有一组宽度（X1）和长度（X2）的输入，以及他们对应的T恤衫尺寸（S（蓝色）L（绿色）） 。 在这种情况下，我们就可以通过监督学习的技术，如逻辑回归，来绘制一个明确的决策边界，并分离出各类T恤。
但如果我们得到一个如图1B所示的数据集，我们得到一组宽度（X1）和长度（X2）的输入，但没有对应的T恤衫尺寸标签。 在这种情况下，我们就需要使用K均值聚类等无监督式学习技术，来找到相似的T恤衫，并将它们聚集到小（蓝色圆圈）和大（绿色圆圈）的各个类中。
在现实世界的许多应用中，你将面临如图2A所示的情况，因此搞明白如何从非结构化的数据中提取出结构，会有很大的用处。
K均值聚类
K均值聚类给无监督机器学习提供了一个非常直观的应用，在非结构化的数据中归纳出结构，
K均值聚类，正如其名，会将您的数据中相似的观察结果，分配到同组簇中。 它包括4个简单重复的步骤，迭代地评估对每个观察值有最近（平均）距离的簇。 因此，如果一组观察结果彼此接近，它们可能属于一组簇。
让我们逐步细细了解该算法。 第一步，随机初始化一组聚类中心（上面图2A中的X），或者说，是各组簇的中心。在开始之前，你可以将这些聚类中心设置在任何地方，但我们建议，在你对其初始化的时候，用与你设定的观察值相匹配的随机点。您将依次利用这些类中心，来对你的观察值进行分组，将那些与类中心平均距离最近的观察值（图2B中的蓝色和绿色圆圈）确定一个聚类归属。
该步骤会将数据初始化成几组簇，将你的数据中与类中心最接近的观察值聚集到一起。 但是这些第一次分配后的数据簇，可能不是十分合适的。 所以下一步，你会将你的聚类好的数据簇移动到一个更接近，更合适的位置。即在每个当前已有的各个簇中 找到它们的平均观察值，然后你的聚类中心移动到该位置来（图2C）。 然后，以新的聚类中心为基准，找到的平均距离最近的观察值，并将其分配到新的簇（图2D）
您可以重复进行此过程：簇分配-查找平均距离-移动聚类中心，直到达到收敛。 一旦你找到了一组簇，而且其中所有的观察值都能找到最接近的聚类中心，那就不需要再继续评估最近的平均距离和移动了。 那些分组在一起的观察值将被聚类，这样的话它们可以在输入中共享相似性（如由它们对同一聚类中心所表现出的接近度），你也为你的数据找到了一组合适的聚类方式。
你使用了多少组簇？
K均值聚类是一种有效的方法，可以为你的数据找到一个良好的聚类方式。 但仍然有一个问题，一开始你如何决定要使用多少组簇？
当你不清楚非结构化数据集的标签或者分类时，需要无监督学习的方式（如K均值聚类）来辅助。 因此，数据本身不会告诉你，簇的正确数量（或标签）是多少。
那么，你该如何衡量自己数据用多少组簇呢？ 最简单的方法是利用测量簇的误差，具体如下：
此函数通过比较观察值（X）与其指定的聚类中心（μ）之间的距离来评估簇的误差。 如果每个对应的聚类中心均呈现最低距离，或者最低总体误差最低，那么这些聚类中心就是与数据最符合的聚类结果。
回到我们T恤衫尺寸的示例，我们如何使用该误差函数来确定正确的簇的数目？ 一种方法是“肘部法则”，如上图3所示。 通过绘制数据相对于你初始化的簇的数量的误差，你可以发现误差变化率最尖锐的点。 图3中似乎是在两个簇的地方，表明我们应该可能去划分为小和大两种。
雷锋网提醒，该方法需要注意：通常在你的误差曲线中没有明显的拐点。 因此，不可能总是使用肘部法则来确定合适数量的簇。
在这种情况下，建议依靠你的直觉或者待解决的问题的上下文。 例如，在T恤尺寸案例中，你可能很清楚你想将T恤分为5种尺寸 - 超小型，小型，中型，大型和超大型。但这并不是数据给你提示清楚的，但基于你的直觉，你可以初始化为五个簇数量，并得到合适的聚类。
总而言之，对于到一个聚类问题，K均值聚类提供了一种可迭代的并且有效的算法来发掘数据中的结构。
雷锋网注：这篇博文是基于吴恩达在 Coursera 机器学习课程 中教授的概念。
版权文章，未经授权禁止转载。详情见 转载须知 。
虎牙直播是以游戏直播为主的弹幕式互动直播平台，累计注册用户2亿，提供热门游戏直播、电竞赛事直播与游戏赛事直播，手游直播等。包含英雄联盟lol，王者荣耀，绝地求生，和平精英等游戏直播，lol、dota2、dnf等热门游戏直播以及单机游戏、手游等游戏直播。
江苏赫玛信息科技有限公司是智能制造知识运营商，专业提供智能制造能力成熟度培训、智能制造能力成熟度评估、智能制造能力成熟度模型、智能工厂/智能车间顶层设计和规划、两化融合管理体系贯标咨询、信息化项目咨询等知识运营服务。欢迎咨询
盖得排行是一款为有消费升级需求的人提供的客观、中立的商品品牌排行的产品，帮助用户在海量信息中筛选出最有用的信息。盖得排行是北京博雅传媒文化发展有限公司旗下产品，背靠深厚媒体资源与商业财经报道经验，倾注大量人力物力，广泛征集各行业专业意见，帮助用户轻松做出消费决策的同时，成为购物达人
天津再发隔音墙有限公司长期制造隔声屏、隔音屏障、隔音屏、公路隔声屏、高速隔音屏、公路隔音板、声屏障、隔音墙、隔声屏障、公路隔音墙、吸音板、隔音板、公路声屏障的企业，拥有自己的公路声屏障厂家、隔声屏障厂家和声屏障厂家。生产基地在天津市武清区逸仙园亨通路3号，距京津塘高速公路1公里，距天津市中心28公里，距北京市86公里，交通非常便利。公司自组建以来，一直坚持开拓进取的方针，主动参与市场竞争。企业的管理水平、施工能力、经济效益和社会效益都不断提高。
福建华商——企业经营管理解决方案专家，16年的咨询沉淀，累计服务1000+家福建本土知名企业的成功咨询案例。为企业提供股权设计、经营规划、合伙人模式、融资规划、商业模式设计、人力资源咨询等，福建华商总部位于福州。
北京证帮帮信息咨询中心（个人独资），企业能力建设专业委员会
中国供应商网
从句子大全中挑选出最精彩的励志句子、春天句子、生活感悟句子、爱情句子等，以及抖音最火的闺蜜句子、朋友圈心情不好的句子，送给你最美的文字陪伴，给你最醉人的感动！
泉州市华展机电有限公司(www.63633.com)是一家集销售全自动及半自动(移印机,丝印机,烫金机,装配机,热转印机,丝印机,油墨)印刷设备，各类印刷配件及辅料，及技术支持和设备维修维护为一条龙的专业型企业。另外公司还经营销售油墨，详情请联系张先生电话：13850782807
浙江广播电视集团成立于2001年11月8日，是一家以广播电视为主业，兼营相关产业的综合媒体集团，是国内最具影响力的省级媒体之一。2016年，连续第六年荣获“中国500最具价值品牌”，位居全国媒体第五、浙江媒体第一。
5511休闲游戏提供各种不同类型的休闲手机游戏，玩家朋友们可以在这里免费下载。在日常闲暇之时不知道玩什么游戏，就来5511休闲游戏网吧，各种不同类型的游戏资源，保证你能找到自己喜欢的游戏。
蚌埠压缩机，天然气压缩机,液化气压缩机,氟利昂压缩机,沼气压缩机,氯化氢压缩机,氢气等各种气体压缩机的定制,联系电话0552-4111699邮箱：aotysj@163.com
在寒冷的冬季，羽绒服是很好的御寒工具，随着时代的进步，羽绒服也变得更加时尚、更加舒适，而在众多羽绒服品牌中，波司登羽绒服是人人皆知的大品牌，深得广大消费者的认可，波司登羽绒服，羽绒服标志性品牌，旗下产品品质好，款式新颖，销售量年年攀升，如此庞大的消费市场，值得创业者的智慧之选选择，那么，羽绒服加盟条件是什么波司登羽绒服怎么加盟呢?一起...。
科技发展的洪流，总是跟随着一些前沿的概念而向前；目前我们熟悉的大数据、云计算、人工智能、机器学习都曾经扮演过前沿概念的角色，但现在，当人工智能已经成为一个常见词汇并被用作一个时代的标签，代表前沿科技发展的，已经是量子计算这样的新兴词汇，当然，这一词汇也不完完全全是概念，实际上也有一些大公司在积极探索并已经推出一些相应的成果，其中比较典...。
今日融资快报人形机器人公司Foundation筹集了1100万美元的Pre，Seed融资Foundation已从TribeCapital和Tribe联合创始人ArjunSethi等投资者那里筹集了1100万美元的种子前资金，公司联合创始人是Synapse的前首席执行官SankaetPathak，该公司的使命是开发可在复杂环境下运行的先...。
掘金志获悉，AI公司云天励飞科创板上市已获证监会批复，这意味着自寒武纪之后，又一家AI公司成功上市，成立8年，苦等2年终有果云天励飞成立于2014年8月，旨在以人工智能算法、芯片技术为核心，提供算法软件、芯片等产品，公司创始人陈宁毕业于佐治亚理工学院，获电子工程博士学位，曾担任7个IEEE国际会议技术委员会委员，手握近30项已授权国际...。
英特尔最近在内部举行了一场，XeUnleashed，的活动，GPU项目的领导层向BobSwan和其他一些重要人物，据悉某些ABI如华硕的代表也在场，展示了他们最终的Xe架构方法，我们拿到了一些展示幻灯片，甚至是实际的预告片！知道IntelXe中领完讨厌的小，e，是什么意思吗，它代表了GPU的数量，英特尔Xe的哲学是，创新的3个主要方面...。
发表在米家投影仪2021，5，1511，00米家投影仪青春版2内置智能系统，只需要一个遥控器就可以轻松操作使用，那么如果遥控器丢了怎么办呢，这时候就需要手机来控制了，下面就分享米家投影仪青春版2手机控制方法，看看有哪些要求和注意事项，一、准备工作1.米家投影仪青春版2一台；2.键盘鼠标各一个；3.智能手机一台，二、米家投影仪青春版2手...。
想要打造个人IP，想要做自媒体一定要有可以交付的产品，一定要有变现的产品，一定要能提出你的解决方案，也就是要给用户解决问题的方案，所以你要把产品功能变成解决方案，讲私域变现之前，我们首先要明白什么是私域?什么是私域用户池?一、什么是私域呢?私域指的就是你能够直接且免费触达的，自主经营的，主要的就是公众号，小程序，个人微信号，自己的ap...。
我国1980年实施的，国籍法，明确规定，我国不承认中国公民具有双重国籍，中国公民自愿加入或通过跨国婚姻等其他方式取得外国国籍的，，自动丧失中国国籍，但现实远非如此简单，双重国籍的优势是，可以，两头占好处，既能享受欧美国家优渥的社会福利，又能在国内投资时得到特殊照顾，且不必承担来回奔波办签证以及购房、就业、医保、子女教育等方面的限制...。
破解单机游戏破解单机游戏软件很多，在安卓下面的有酷酷跑，拇指玩等，这些软件都十分好用，倡导你去下载并经常使用有什么好玩的安卓单机破解游戏，最好是中文的你可以去下载，爱吾游戏宝盒，葫芦侠或许骑士助手，这些都是单机破解游戏大全盒子，外面有很多的单机破戒游戏，可依据自己青睐的类型去找，假设要我说有哪些比拟好玩的单机破解游戏的话，我团体介绍，...。
央视网信息，来关注中国空间站，神舟十八号乘组进驻空间站已有两个月，，80后乘组，三名航天员叶光富、李聪、李广苏为期六个月的太空之旅已实现三分之一，目前，3名航天员身心形态良好，在轨上班有序展开，近两周，乘组相继展开了多项空间迷信实验和实验上班，这段期间，神十八乘组活期展开了熄灭迷信实验柜的熄灭器改换、抽真空排废气等操作，2023年，熄...。
朗逸是由上海群众消费一款轿车，2008年6月上市，在间断了A级车市，动感时兴，的设计言语的基础上，LAVIDA朗逸表现了一种全新的设计DNA——，融合，作为为中国消费者度身打造的一款新车，LAVIDA朗逸既坚持了德国设计的低劣质量，又融入了很多表现中国传统文...概略大众朗逸是哪里产的车大众朗逸是上汽大众安亭生产基地第二汽车厂生产的...。
PPSiPad版我们其实应该称其为爱奇艺PPSiPad版，这是百度旗下的视频网站爱奇艺的子网站。爱奇艺PPSiPad版拥有有爱奇艺的高清薯片资源和PPS的视频传输、压缩技术，为用户道来高清视频体验;您可以免费下载。
距离第三代骁龙8发布仅仅过去半个多月之后，第三代骁龙7也在本周发布，骁龙8系是旗舰产品，骁龙7系列是高端平台，骁龙7获得了许多最新骁龙8的特性，随着市场和消费者需求的变化，骁龙7系的产品定义和组合也变得更为丰富，包含了三种不同定位的芯片——7，、7和7s，高通产品市场高级总监马晓民在骁龙移动平台媒体沙龙上介绍，，7，代表了7系列的...。
最怕你因厌倦登山之难，错过山顶的一寸寸好光景，本文系网易沸点上班室，谈心社，栏目，群众号，txs163，出品，每天降级，清淡的生存里，总有一些不经意的细时节人感动，当天看到这样一张照片，一个菜市场摊位上，上方是各种售卖的卤菜，行人交往，而案板下的小小空间，是一名7岁女孩上网课的中央，照片里，女孩挺直背，头与案板撑持架接触，老式笔记本电...。
吴姓是中国姓氏中比拟关键的一种，其历史悠久，源远流长，吴姓的来源可以追溯到4000多年前的夏朝，历经屡次演化和迁移，最终构成了当天的吴氏家族，吴姓在中国的散布宽泛，家族文明特征显明，具备深入的文明外延和历史价值，那么吴姓怎样取名，一同来看看吧！吴氏姓名大全吴艺硕、吴楚恒、吴浩轩、吴世玉、吴衍婷、吴奕玉、吴婧笛、吴文顺、吴彦霏、吴宜辰、...。
作为国际汽车消费商的代表之一，比亚迪在国际市场上也占有必定的份额，在推出比亚迪F6之后，不时备受关注，那么，这款车的质量如何呢，首先，比亚迪F6官网售价大略在10，15万区间，相比同级别的车型而言，多少钱算是中等偏下，但却领有更多的奢侈性能，外观上，比亚迪F6驳回了时兴静止的设计格调，线条流利，具备很好的视觉成果，车身的长度为4910...。
好，1、依据查问汽车之家官方消息显示，外观方面，菲亚特菲跃2.4的外观设计杰出，驳回了流线型的车身设计，线条流利，动感十足，2、性能方面，该车驳回的是一款能源十足的2.4升发起机，最大功率可达140马力，能源体现十分杰出，菲亚特菲跃改换火花塞清节气门除积碳造成二三缸失火要素，1.可燃混合气过浓，未熄灭的残余局部都会积累在火花塞电极上炭...。
