1.基本概念
K-Means算法是一种很典型的基于距离的聚类算法,采用距离作为相似性的评价标准,认为两个对象的距离越近,那么相似度就越大。把簇作为距离靠近的对象组成的,最终得到的是紧凑和独立的簇。对于聚类分析来说,用于发现数据对象之间的关系。组内的相似性越大,组间的相似性越小,可以说效果越好。K个初始类聚类中心点的选取对聚类结果具有比较大的影响。在算法的第一步中随机的选取了K个初始聚类的中心,代表了一个簇。在每次迭代的过程中,对数据集中剩余的每个对象。根据每个簇中心的距离将每个对象重新赋给最近的族。
2.算法的基本过程为:
1.首先从N个文档中选取K个文档
2.对剩余的每个文档测量其到质心的距离,并把它归到最近的质心的类。
3.重新计算已经得到的各个类的质心。
4.迭代2~3步直至新的质心与原质心相等或小于指定阈值。
3.工作原理
输入:聚类个数k,以及包含n个数据对象的数据库。
输出:满足方差最小标准的k个聚类。
相关代码:
from numpy import *
import kMeans
def Kmeans(dataSet,k,distMeans=distEclud,createCent = randCent):
#样本数
m = shape(dataSet)[0]
#m*2的矩阵
clusterAssment = mat(zeros(m,2))
#初始化k个中心
centro