고전적인 K-means 기법에 의해서 int=’random’ 조건을 사용하면서 클러스터링 수의 초기 값을 잘못 줄 경우 예기치 않은 결과가 얻어질 수 있는 사례이다. 앞서의 중심이 3개인 클러스터링 예제에서 클러스터링 수를 1과 2로 계산한 결과를 관찰해 보자. 클러스터의 중심을 1 즉 하나로 두면 전체의 중심이 포착되며 2일 때에는 하나는 제대로 중심을 찾았으나

上一篇文章介绍了无监督学习中的几个重要的术语，后面的文章继续介绍无监督学习中的几个经典算法。 K聚类（K-Means） K聚类跟之前介绍的最近邻居法（K nearest Neighbours (KNN))非常相似。区别是最近邻居法的数据是已经标记过的并且K是指选择邻居的数量，而K聚类的数据是没有标记过的，K是指类的数量（就是有多少个类）。 算法也很简单，直接上动图 如上图，当K=3