1.概述
聚类是一种无监督学习,它将相似的对象归到同一个簇中。聚类方法几乎可以应用于所有对象,簇内的对象越相似,聚类的效果越好。
k-均值聚类之所以称为是因为它可以发现k个不同的簇,且每个簇的中心采用簇中所含值的均值计算而成。
2.簇识别(cluster identification)
簇识别给出聚类结果的含义。假定有一些数据,现在将相似数据归到一起,簇识别会告诉我们这些簇到底都是些什么。聚类和分类的最大不同在于,分类的目标事先已知,而聚类则不一样。因为其产生的结果鱼分类相同,而只是类别没有预先定义,聚类有时也被称为无监督分类。
3.K-均值聚类
优点:容易实现
缺点:可能收敛到局部最小值,在大规模数据集上收敛较慢。
适用数据类型:数值型数据。
K-均值是发现给定数据集的k个簇的算法。簇的个数k是用户给定的,每个簇通过其质心,即簇中所有点的中心来描述。
算法的流程:首先,随机确定K个初始点作为质心。然后,将数据集中的每个点分配到一个簇中,具体来讲,为每个点找距其最近的质心,并将其分配给该质心所对应的簇。这一步完成之后,每个簇的质心更新为该簇所有点的平均值。
伪代码:
一般流程: