机器学习入门篇 | 面向初学者的十大机器学习算法( 十 )_英国数学家

K-means聚类

在这种机器学习算法中，目标是根据数据点的相似性对其进行标记（聚类）。因此，我们没有在算法之前定义聚类，而是算法在前进时找到了这些聚类。

一个简单的例子是，根据足球运动员的数据，我们将使用K-means聚类，并根据他们的相似性对其进行标记。因此，即使没有为算法提供预定义的标签，也可以基于前锋对任意球或成功铲球得分的偏好来对足球运动员进行聚类。

K均值聚类对那些认为不同资产之间可能存在表面上看不到的相似性的交易者是非常有用的。

朴素贝叶斯定理

现在，如果您还记得基本概率，您就会知道，贝叶斯定理的表述方式是，假定我们对与前一事件相关的任何事件都具有先验知识。它是关于随机事件A和B的条件概率（或边缘概率）的一则定理。其中P(A|B)是在B发生的情况下A发生的可能性。例如，要检查您到办公室迟到的可能性，您可能想知道您在途中是否会遇到任何形式的交通拥堵。