10.14日誌
聚類：事先不知道資料會分為幾類，通過聚類分析將資料聚合成幾個群體。聚類不需要對資料進行訓練和學習。屬於無監督學習。**裡的應用情況：
k-means演算法如何自動確定聚類數目k：這裡師兄寫的那個自迴圈找出k很迷啊
kd樹（k-dimensional樹的簡稱），是一種分割k維資料空間的資料結構。主要應用於多維空間關鍵資料的搜尋（如：範圍搜尋和最近鄰搜尋）。 kd樹主要應用在高維資料索引，特別是空間資料庫的索引，x和y分別表示經度和緯度，能較好的處理空間上的查詢效率問題，如果在x和y再加乙個時間維度，也能較好地處理時空資料索引查詢。
kdtree的兩個最重要的問題：
1.樹的建立；
2.最近鄰域搜尋（nearest-neighbor lookup）。
1.省略（暫時pivot的選擇還沒有看得太懂）
2.距離的求法用的是歐式距離
在師兄**裡面的應用
K Means聚類演算法原理
k means演算法是無監督的聚類演算法，它實現起來比較簡單，聚類效果也不錯，因此應用很廣泛。k means演算法有大量的變體，本文就從最傳統的k means演算法講起，在其基礎上講述k means的優化變體方法。包括初始化優化k means 距離計算優化elkan k means演算法和大資料情況...
K Means聚類演算法原理
k means演算法是無監督的聚類演算法，它實現起來比較簡單，聚類效果也不錯，因此應用很廣泛。k means演算法有大量的變體，本文就從最傳統的k means演算法講起，在其基礎上講述k means的優化變體方法。包括初始化優化k means 距離計算優化elkan k means演算法和大資料情況...
Kmeans聚類演算法原理與實現
k means 演算法是最為經典的基於劃分的聚類方法，是十大經典資料探勘演算法之一。k means 演算法的基本思想是 以空間中 k個點為中心進行聚類，對最靠近他們的物件歸類。通過迭代的方法，逐次更新各聚類中心的值，直至得到最好的聚類結果。假設要把樣本集分為 k個類別，演算法描述如下 1 適當選擇 ...