kmeans
k-means 是一個聚類 (Cluster) 的方式，依照著物以類聚去分群
流程如下：
- 隨機選取data中的k筆資料當作初始群中心c1~ck
- 計算每個資料xi 對應到最短距離的群中心 (固定 ci 求解所屬群 Si)
- 利用目前得到的分類重新計算群中心 (固定 Si 求解群中心 ci)
- 重複step 2,3直到收斂 (達到最大疊代次數 or 群心中移動距離很小)
###advance k-means
為解決k-means不穩定問題(初始中心沒選好)而利用重覆多次尋找其sse最小
(sum of square error每個資料xi 對應到最短距離的群中心的平方總和)
找到較好的初始點時在帶入k-means做分群。
how to choose better k
根據elbow theorem找到凸出的點為較好的k值，其原理是比較其斜率，ssei-sse/ki-k，k越多，sse則 一定越小，但是尋找sse下降幅度最多的k值就可能是更好的k值。
bisecting K means
二元k-means，其中心**為從原本一群分成兩群，再從其中一群在分成兩群，直到指定的k群時
由sse來判斷哪一群誤差有點大該被分群，其效率會比原本的k-means好，原因為只要運算被分到的群
不用全部去運算。