【聚类算法】篇二之KMeans聚类算法及其优化KMeans++，elkan K-Means，Mini Batch K-Means，K中心点算法

KMeans算法是原型聚类的一种，原型聚类是指基于一组原型进行初始化，然后再利用迭代的方式对原型进行更新求解

一、KMeans算法

K均值算法基于最小化平方误差的原则，所有簇的平方误差和如下：

μi是簇Ci的样本均值：

簇的平方误差和刻画了簇内样本的紧密程度，簇内样本距离越近，E值越小，该簇内样本相似度越高。所以便有了基于最小化平方误差和的原则，但是要找到样本集D的所有可能的划分，这是NP难问题，所以KMeans采用贪心策略。通过迭代的方式进行更新求解，具体算法步骤如下：


关键点：初始k个中心点的选取，以及k的取值，一般是根据先验确定k值，并且k个中心不要离得太近
优点：
　　（1）k-means算法是解决聚类问题的一种经典算法&#