Andrew Ng机器学习笔记week8 无监督学习（聚类、PCA）

一、k均值聚类算法

1.K-­‐means算法

算法实现过程：





随机初始化K个聚类中心



几个类不是分离的，算法怎么做？举例，衣服大小怎么分：



2.K均值聚类算法的优化目标



3.随机初始化

局部最优的问题：





4.选择聚类的个数

选择一个临界点：



比如衣服尺寸的分类：

二、维度下降

目的：

①数据压缩



②数据的可视化（对数据的分析更加直观）



主成分分析（Principal Component Analysis–PCA）

问题：



算法：

数据预处理：





算法过程：



算法总结：



对被压缩过的数据表示进行重建：



选择主成分的数目





PCA应用的建议：