看完這篇文章，你可以知道⋯⋯
✔️監督式學習與非監督式學習的差異
✔️非監督式學習中的分群演算法 — K-means & Hierarchical Clustering
前言
本文將會介紹機器學習的其中一種方法 — — 分群演算法，並且將會簡單說明監督式學習與非監督式學習的差異，以及分群演算法當中其中兩個演算法。
希望這篇文章讓大家對機器學習的方法能有初淺認識，我目前在這領域也還在學習當中，若未來有學習到更多希望能夠再寫成文章分享給大家，也歡迎大家不吝指教！
Contents
- 監督式學習與非監督式學習
- 分群演算法 — K-means Clustering
- 分群演算法 — Hierarchical Clustering
監督式學習與非監督式學習
機器學習的種類簡單可以分成兩種 — — 監督式學習、非監督式學習，兩者的差異主要在於處理的資料是否已被標籤化，以下將會詳細介紹兩者的差異。（其實還有半監督學習和增強學習，但本文目前暫時不討論）
監督式學習（Supervised Learning）
在監督式學習中，會將經過標籤化的資料集丟入模型訓練。例如一堆未分類的照片，經過人工分成證件照、人像生活照和風景照三類，當把這些分類好的照片丟入模型中時，將會根據原有的標籤和三類照片的特徵（如證件照可能會是純色背景、單一人像；人像生活照可能會是雜亂的背景、多個人像；風景照可能會是只有背景、沒有人像、以物體為主體），來學習要如何分類這三種照片，往後當丟入一張新的照片時，機器便能經過前個資料集的學習來分辨新的照片要如何分類。因此，簡單來說，在監督式學習當中，能透過過去的資料集來為新的資料做準確的預測。
其中，監督式學習又可以再細分成幾種類別， 如分類（Classification）及迴歸（Regression）。常見的模型有 FFNNs（Feed Forward Neural Networks）、CNNs（Convolutional Neural Networks）、RNNs（Recurrent Neural Networks）、Encoder Decoder 等，不過本文介紹的重點在於非監督式學習中的分群，關於更多監督式學習的介紹可參考此文。
非監督式學習（Unsupervised Learning）
相對於監督式學習，非監督式學習的模型中，將會給予未經過標籤化的資料，以找到資料間的特徵、相似度等。以上方的照片群為例，所有原始的照片將不會被貼上人像生活照、證件照和風景照的標籤，而是直接丟入模型訓練，模型將透過每張照片的特徵，將這一群照片分組，以讓我們能得知這一些照片有什麼特徵。
非監督式學習也能再細分成— 分群（Clustering）、關聯（Association）、降維（Dimension Deducting），其中分群的方法包括 K-means Clustering 及 Hierarchical Clustering，將下來也將會聚焦於這兩個演算法，除此之外，非監督式學習常見的模型也還有 AutoEncoder、GAN（Generative Adversarial Network）等。
分群演算法 — K-means Clustering
K-means 中的 K，可以想像成我們擁有一個完整的資料集，目標是要將這個資料群分成 K 個 Cluster。其中這幾個 Cluster 內的元素互不重複，且每一個元素都有多個 Features。以上述的照片例子為例，單一照片的 Features 則可能是純色 / 雜亂背景、有無人像等。另外，在 K-means 中所有 Cluster 的聯集就是原本完整的資料集。
其演算法的運作規則如下：
Step1 — 決定要分成的群數（K 群），並將資料隨機分群。
Step2 — 計算每一群的重心（Centroid）*。
Step3 — 將每一個點重新分配到距離自己較近的重心的 Cluster。
Step4 — 重新計算每一群的重心。
接著重新上述的步驟，直到各群及各群的重心不再改變，表示已收斂。
不過要注意的是，K-means Clustering 最終收斂的 Cluster，不一定是最佳的分群方式（使各群到其重心的距離平方總和最小*），這與一開始隨機分群的群集有很大的關聯。
- 重心計算方式：以第 k 群為例。
其中左式代表第 k 群之重心；右式 Num of Cluster k代表第 k 群內的元素數；右式總和 Sigma 代表第 k 群內的所有元素相加。
- 最佳化分群 ：使各群內元素到其重心的距離平方總和（從第 1 群至第 K 群之總和）最小，其中這邊的距離指的是 N 維空間中的距離，N 代表單一元素內的 Feature 數量。
另外，K-means Clustering 有個經典的例子 — Iris Dataset，Iris 是一類開花植物，而其又有上百種品種。在這個 Dataset 中，有包含三種不同種類 Iris 的資料，每個資料都含有四個 Features：花萼長度、寬度及花瓣長度、寬度，可透過 K-means Clustering 將依這些 Features 進行分成三群。
分群演算法 — Hierarchical Clustering
另一種演算法 Hierarchical Clustering 則會一直將鄰近的兩筆資料分在同一個 Cluster，分群到最後只會剩下一個包含所有資料的 Cluster。
其演算法的運作規則如下：
Step1 — 將每一筆資料當作一個 Cluster，選擇最鄰近的兩個 Cluster 再組成一個新的 Cluster。
Step2 — 計算兩個 Cluster 間的距離，可使用 Average Linkage 或 Complete Linkage 的方式計算距離*，較鄰近的兩個 Cluster 再組成一個 Cluster。
接著重新上述的步驟，直到最後會剩下一個包含所有資料的 Cluster。
Cluster 間距離計算方式
- Average Linkage：計算兩個 Cluster 間每一筆資料之間的平均距離，為 N 維空間中的距離，N 代表單一資料中的 Features 數量。
其中右式第一項的分母為兩個 Cluster 之元素數相乘；右式總和 Sigma 代表 Cluster 1 和 Cluster 2 內每一筆資料之間之距離平方和。
- Complete Linkage：以兩個 Cluster 間最遠之距離作為兩個 Cluster 之距，為 N 維空間中的距離，N 代表單一資料中的 Features 數量。
結語
以上的內容就是關於機器學習中分群的演算法介紹！分群演算法其實是我在台大 111–1 修經濟系的「資料科學與社會研究」課程才接觸到的，在課堂中還有教主成分分析、決策樹等，如果未來還有機會的話再寫成文章分享！
感謝你的觀看，希望有得到你預期的收穫！對於文章內容有任何疑問也歡迎留言告訴我！
最後，也非常感謝 QQAI、ExcitedMail、UN SWEET 幫我 Review 這篇文章！
