前言

吴恩达的课程堪称经典，有必要总结一下。
学以致用，以学促用，通过笔记总结，巩固学习成果，复习新学的概念。

正文

本章主要讨论有关无监督学习聚类的一些知识。
吴恩达 coursera ML 第十二课总结+作业答案监督学习，可以很好的处理有标签的数据。
无监督学习，只有数据没有标签。

吴恩达 coursera ML 第十二课总结+作业答案聚类的一些典型应用。

吴恩达 coursera ML 第十二课总结+作业答案典型聚类算法，kmeans，选择k个点得到其中心。

kmeans算法的简介以及实现过程。
kmeans的例子
kmeans优化目标
kmeans算法具体表现形式。

吴恩达 coursera ML 第十二课总结+作业答案随机初始化的条件。
容易陷入局部最优收敛极值点。
随机初始化，获得相应的条件。

吴恩达 coursera ML 第十二课总结+作业答案对于这种数据，设置类别数目为几呢？
根据肘部规则选择聚类数目k。
也可以依据下游应用确定聚类数目。