5.K-means 聚类算法
以k为参数,把n个对象分成k个簇,使簇内具有较高的相似度,而簇间的相似度较低
1.随机选择k个点作为初始的聚类中心
2.对于剩下的点,根据其与聚类中心的距离,将其归入最近的簇
3.对每个簇,计算所有点的均值作为新的聚类中心
4.重复2、3直到聚类中心不再发生改变
以k为参数,把n个对象分成k个簇,使簇内具有较高的相似度,而簇间的相似度较低
1.随机选择k个点作为初始的聚类中心
2.对于剩下的点,根据其与聚类中心的距离,将其归入最近的簇
3.对每个簇,计算所有点的均值作为新的聚类中心
4.重复2、3直到聚类中心不再发生改变