无监督学习-聚类算法
1、聚类介绍
1.1、聚类作用
- 知识发现
- 异常值检测
- 特征提取 数据压缩的例子
1.2、有监督与无监督学习
有监督：
- 给定训练集X和标签Y
- 选择模型
- 学习（目标函数的最优化）
- 生成模型（本质上是一组参数、方程）
根据生成的一组参数进行预测分类任务
无监督：
- 拿到的数据只有X没有标签，只能根据X的相似程度做一些事情
- Clustering 聚类：
- 对于大量未标注的数据集，按照内在的相似性来分为多个类别（簇）目标：类别内相似度大，类别内相似度大，类别间相似小
- 也可以用来改变数据的维度，可以将聚类结果作为一个维度添加到训练数据中。
- 降维算法，数据特征变少
1.3 聚类算法
图片来源：https://scikit-learn.org.cn/view/108.html
1.4 数据间的相似度
- 每一条数据都可以理解为多维空间中的一个点。
- 可以根据点和点之间的距离来评价数据间的相似度
1.5 余弦距离
将数据看做空间的中的点的时候，评价远近可以用欧式距离或者是余弦距离
计算过程如下：
- 将数据映射为高维空间中的点（向量）
- 计算向量间的余弦值
- 取值范围-1,+1趋于近于1代表相似，越趋于-1代表方向相反，0代表正交
c o s θ = a ⋅ b ∣ ∣ a ∣ ∣ 2 ∣ ∣ b ∣ ∣ 2 cos\theta = \frac{a \cdot b}{||a||_2||b||_2} cosθ=∣∣a∣∣2∣∣b∣∣2a⋅b
c o s θ = x 1 x 2 + y 1 y 2 x 1 2 + y 1 2 × x 2 2 + y 2 2 cos\theta = \frac{x_1x_2 + y_1y_2}{\sqrt{x_1^2 + y_1^2} \times \sqrt{x_2^2 + y_2^2}} cosθ=x12+y12 ×x22+y22 x1x2+y1y2
- 余弦相似度可以评价文章的相似度，从而实现对文章，进行分类。
K-means
2.1 聚类原理
- 将N个样本映射到k个簇中
- 将每个簇至少有一个样本
基本思路： - 先给定k个划分，迭代样本与簇的隶属关系，每次都比前一次好一些
- 迭代若干次就能得到比较好的结果
2.2 K-means 算法原理
算法步骤：
- 选择k个初始的簇中心
- 逐个计算每个样本到簇中心的距离，将样本归属到距离最小的那个簇中心的簇中
- 每个簇内部计算平均值，更新簇中心
- 开始迭代
聚类的过程：
2.4 k-means 损失函数
∑ i = 0 n min μ j ∈ C ( ∣ ∣ x i − μ j ∣ ∣ 2 ) \sum\limits_{i=0}^{n}\underset{\mu_j \in C}\min(||x_i - \mu_j||^2) i=0∑nμj∈Cmin(∣∣xi−μj∣∣2)
-
其中 μ j = 1 ∣ C j ∣ ∑ x ∈ C j x \mu_j = \frac{1}{|C_j|}\sum\limits_{x \in C_j}x μj=∣Cj∣1x∈Cj∑x 是簇的均值向量，或者说是质心。
-
其中 ∣ ∣ x i − μ j ∣ ∣ 2 ||x_i - \mu_j||^2 ∣∣xi−μj∣∣2代表每个样本点到均值点的距离（其实也是范数）。
2.5 K-means 执行过程
愿君前程似锦，未来可期去💯,感谢您的阅读，如果对您有用希望您留下宝贵的点赞和收藏
本文章为本人学习笔记，如有请侵权联系，本人会立即删除侵权文章。可以一起学习共同进步谢谢，如有请侵权联系，本人会立即删除侵权文章。