第五讲、聚类
1.数学知识回顾：凸函数与jensen不等式
2.聚类简介 聚类的本质:将数据集中相似的样本进行分组的过程；
每个组称为一个簇(cluster)每个簇的样本对应一个潜在的类别；
样本没有类别标签，一种典型的无监督学习方法；
这些簇满足以下两个条件： 相同簇的样本之间距离较近；
不同簇的样本之间距离较远。
聚类方法:层次聚类、K-Means、谱聚类等。
3.举例：客户分群
4.K-Means模型
①模型求解：
交替迭代法：固定c，优化r； 固定r，优化c。
固定c，优化r：
固定r，优化c：
②算法流程
（1）.随机选择k个点作为初始中心
（2）.Repeat: 将每个样本指派到最近的中心，形成k个类。
重新计算每个类的中心为该类样本均值
（3）.直到中心不发生变化
5.高斯混合模型
求解过程：
