量化机器学习系列分享（六）无监督学习常见算法
由bq2qbou2创建，最终由small_q 被浏览 86 用户
1. 无监督学习之聚类算法
1.1 聚类方法简介
聚类算法是一种无监督学习算法，它和监督学习任务下的分类算法是有明显对比的
- 监督学习的分类算法：数据属于哪一个类别是有标签定义的，模型有没有分类正确我们也是可以明显评判出来的
- 无监督学习的聚类算法：数据没有明确的标签表明类别，聚类的正确与否、好与坏，都是很难评价的
聚类算法的目的，是将数据集中的数据，划分为不同的类别，但是这个类别没有标签去衡量
- 目的可能是为了人为地将数据按照特征归类，比方说数据集中的个体，我想按照身高和体重，分出胖和瘦的区别来
- 目的可能是为了探寻数据背后的隐藏标签，比方说数据集中的个体，我在采样的时候忘了采访性别了，因此需要我根据身高和体重来划分性别
总的来说，聚类的目的是：
- 让同一类中的个体，尽可能地相似
- 让不同类中的个体，尽可能地不同
1.2 非参数型聚类法
1.2.1 K-Means聚类
K-Means聚类法，目的是将个体分为K类，它是一种非参数型的聚类方法，它的聚类很朴素，就是一步一步地将相似的个体划分到一起
K-Means聚类法的步骤是：
- 首先随机选取K个个体，作为K个类别的中心，其他的个体，看离哪个中心比较近，就被分为了那个中心所在的类别，所有个体都分完了以后，K个类别就形成了
- 这K个类别形成了之后，这K个类别会有K个新的中心点，这K个新的中心点，就作为了下一轮的中心
- 接着，其他的个体，看离哪个中心比较近，就被分为了那个中心所在的类别，所有个体都分完了以后，就形成了新的K个类别
- 。。。
- 一直循环这个过程，直到所有个体的类别划分都不再有变化为止
K-Means聚类法是很常用的一种聚类法，但是有一个缺陷，那就是受到初始随机中心点的影响比较大
- 一个解决方案是可以多设计几个K-Means算法，每次使用不同的初始值
- 最终每个个体的聚类结果由多个K-Means算法投票决定
以下是一个使用K-Means算法，根据两个特征，将上证50成分股聚为4类的示例（仅2024-01-02一天数据）