聚类与分类的区别web
分类:类别是已知的,经过对已知分类的数据进行训练和学习,找到这些不一样类的特征,再对未分类的数据进行分类。属于监督学习。算法
聚类:事先不知道数据会分为几类,经过聚类分析将数据聚合成几个群体。聚类不须要对数据进行训练和学习。属于无监督学习。svg
关于监督学习和无监督学习,这里给一个简单的介绍:是否有监督,就看输入数据是否有标签,输入数据有标签,则为有监督学习,不然为无监督学习。更详尽的解释会在后续博文更新,这里不细说。函数
k-means 聚类学习
聚类算法有不少种,K-Means 是聚类算法中的最经常使用的一种,算法最大的特色是简单,好理解,运算速度快,可是只能应用于连续型的数据,而且必定要在聚类前须要手工指定要分红几类。spa
K-Means 聚类算法的大体意思就是“物以类聚,人以群分”:code
说了这么多,估计仍是有点糊涂,下面举个很是形象简单的例子:
有6个点,从图上看应该能够分红两堆,前三个点一堆,后三个点另外一堆。如今我手工地把 k-means 计算过程演示一下,同时检验是否是和预期一致:
xml
1.设定 k 值为2blog
2.选择初始大佬(就选 P1 和 P2)图片
3.计算小弟与大佬的距离:
从上图能够看出,全部的小弟都离 P2 更近,因此次站队的结果是:
A 组:P1
B 组:P二、P三、P四、P五、P6
4.召开选举大会:
A 组没什么可选的,大佬就是本身
B 组有5我的,须要从新选大佬,这里要注意选大佬的方法是每一个人 X 坐标的平均值和 Y 坐标的平均值组成的新的点,为新大佬,也就是说这个大佬是“虚拟的”。所以,B 组选出新大哥的坐标为:P 哥((1+3+8+9+10)/5,(2+1+8+10+7)/5)=(6.2,5.6)。
综合两组,新大哥为 P1(0,0),P哥(6.2,5.6),而P2-P6从新成为小弟。
5.再次计算小弟到大佬的距离:
这时能够看到P二、P3离P1更近,P四、P五、P6离P哥更近,因此第二次站队的结果是:
A 组:P一、P二、P3
B 组:P四、P五、P6(虚拟大哥这时候消失)
6.第二届选举大会:
一样的方法选出新的虚拟大佬:P哥1(1.33,1),P哥2(9,8.33),P1-P6都成为小弟。
7.第三次计算小弟到大佬的距离:
这时能够看到 P一、P二、P3 离 P哥1 更近,P四、P五、P6离 P哥2 更近,因此第二次站队的结果是:
A 组:P一、P二、P3
B 组:P四、P五、P6
咱们能够发现,此次站队的结果和上次没有任何变化了,说明已经收敛,聚类结束,聚类结果和咱们最开始设想的结果彻底一致。
K-Means 聚类 MATLAB 实现
关于 K-Means 的算法具体代码,网上有各类版本,这里也不赘述了,下面结合 MATLAB 中的一些函数给出一个较为简洁的版本:
X2 = zscore(X); % zscore方法标准化数据
Y2 = pdist(X2); % 计算距离(默认欧式距离)
Z2 = linkage(Y2); % 定义变量之间的链接,用指定的算法计算系统聚类树
T = cluster(Z2,6); % 建立聚类
H = dendrogram(Z2); %做出系谱图
最终聚类系谱图以下所示:
固然,MATLAB 也提供了 kmeans() 函数可供直接聚类使用,详情可参与其文档。