大家好，我是计算机与人工智能学院的马杰老师，今天我们要学习的是第三章聚类算法。

注意和监督学习算法中的分类不同，聚类算法属于无监督学习，下面我们一起学习一下。

聚类是将数据集划分成组的任务，这些组叫作簇。其目标是划分数据，使得一个簇内的数据点非常相似且不同簇内的数据点非常不同。与分类算法类似，聚类算法为每个数据点分配一个数字，表示这个点属于哪个簇。

k 均值聚类是最简单也最常用的聚类算法之一。它试图找到代表数据特定区域的簇中心，算法交替执行以下两个步骤：

将每个数据点分配给最近的簇中心

然后将每个簇中心设置为所分配的所有数据点的平均值。

如果簇的分配不再发生变化，那么算法结束。下面我们来具体看下这个算法的生成过程。

当前有一些数据，簇中心用三角形表示，数据点用圆形表示，颜色用来区分簇成员。 根据算法

选择3个初始簇中心，注意此处的簇中心个数可以自由设定。

将每个数据点分配给最近的簇中心

再计算每个簇的平均值，将簇中心重新设置为该簇所有数据点的平均值

根据新的簇中心重新分配数据，然后第二次计算新的簇中心

根据第二次计算得到的簇中心重新分配数据。这次重新分配数据后，计算发现簇中心不再变化，算法结束

以上就是本节课的全部内容，感谢大家聆听，再见。