一、無監督學習

　　1、聚類：是一個將數據集中在某些方面相似的數據成員進行分類組織的過程。因此，一個聚類就是一些數據實例的集合。聚類技術經常被稱為無監督學習。

二、K-均值聚類

　　1、k—均值算算法：是發現給定數據集k個簇的算法

　　2、步驟：

　　　　1）、隨機選取k個數據點作為初始的聚類中心（要求發現k個簇）。

　　　　2）、把每個數據點分配給距離它最近的聚類中心（對圖中的所有點求到這K個種子點的距離，假如點P離種子點S最近，那麽P屬於S點群。）

　　　　3）、重新確定聚類中心(x,y)，一旦全部的數據點都被分配，每個聚類的聚類中心會更具現有數據點重新計算。x = (x1+x2+……xn)/n，y = (y1+y2+……yn)/n。

　　　　4）、2）3）過程不斷重復，知道滿足一下三個終止（收斂）條件：

　　　　　　a、滿足重復次數，比如要求循環執行五十次，第五十一次停止。

　　　　　　b、沒有聚類中心再次發生變化。

　　　　　　c、誤差和（SSE）局部最小。

　　3、偽代碼 ：

1 Algorithm K-means(k,D)
2     choose k data points as the initial centroids(cluster centers)
3     repeat
4         for each data point x->D do
5
 
             compute the distance from x to each centroid;
6             assign x to the closest centroid 
7         endfor 
8         re-computer the centroid using the current cluster memberships
9     until the stopping criterion

K-均值算法（數據挖掘無監督學習）