数据挖掘：模型选择——K-means

K-means介绍

K-means是一种无监督的聚类算法，根据各个样本数据间距离的大小，将样本分为K个簇。（也就是K个类别）分成K个簇后，想要达到的效果是每个簇内的点尽量相近，而簇与簇之间的距离尽量较大。

算法流程

如下图所示。

1. 随机选取K个样本作为最开始的质心。这样就出现了K个不同的簇。
2. 计算每个簇内的所有样本点的均值，将这个均值点作为新的质心。
3. 计算所有样本到这些质心的距离，选择其中离某个簇质心最近的点作为新的簇内样本点。（因为簇内质心发生变化，所以需要对每个簇内样本点进行重新分配）。
4. 重复2-3，直到质心的位置不再发生变化，停止迭代，完成聚类。
   

这里可以看到，由于质心是随机选择的，虽然通过不断的迭代，都能达到想要的效果，但这样计算成本会非常大，同时，是计算所有样本到质心的距离，这无疑又增加的训练得成本，因此，产生了多K-means优化的算法。

K-means的优化

K-Means初始化优化之K-Means++

K-Means++算法初始化质心的策略如下。（感觉像是先对初始质心点进行一个筛选……）