K-means算法在手写体数字图像数据上的使用示例

无监督学习： 着重于发现数据本身的分布特点。与监督学习不同，无监督学习不需要对数据进行标记。这样，在节省大量人工的同时，也让可以 利用的数据规模变得不可限量。    从功能角度讲，无监督学习模型可以帮助我们发现数据的“群落”（数据聚类），同时也可以 寻找“离群”的样本；另外，对于特征维度非常高的数据样本，我们同样可以通过无监督的学习对数据进行降维（特征降维），保 留最具有区分性的低维度特征。这些都

>>阅读原文<<