はじめに K-means K-meansの働き K-meansの概要 K-meansの詳細 1.初期化 2.クラスターへの割り当て 3.重心の更新 4.「2.」と「3.」を繰り返す K-meansの欠点 K-meansの改良 混合ガウスモデル はじめに 近年の機械学習は専ら教師あり学習に話題が集中しています。 しかし、実際のデータは必ずしもラベルを正確に付与できるとは限りません。多くのデータはなんだかよくわからないが手元にある状態で、そのデータはいくつかの塊に分けられると(あるいはいくつかのデータの源がある)考えられます。 そのようなときに使える機械学習の手法が、教師なし学習であり、その一種であるクラスタリングは、ラベルの付与無しに、データをいくつかの塊(クラスター)に分けます。 今回はクラスタリングで最も基本的な手法であるK-meansを紹介します。 K-meansは混合ガウスモデルの特
![【教師なし学習・クラスタリング】K-means - HELLO CYBERNETICS](https://cdn-ak-scissors.b.st-hatena.com/image/square/0002c7c730355d087a3a6701148e365bbdfec76a/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fs%2Fs0sem0y%2F20170701%2F20170701051832.png)