K-means

1.归类:

    聚类 （clustering）属于非监督学习（UNsupervised learning）

    无类别标记（class label）

2. K-means算法：

    2.1 clustering中的经典算法，数据挖掘十大经典算法之一

    2.2 算法接受参数K,然后将事先输入的n个对象划分为k个聚类以便使得所获得的聚类满足：同一聚类对象的相似度（大多数时候为距离的远近）较高，而不同聚类的对象相似度较小。

    2.3 算法思想：

         以空间的k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果

    2.4 算法描述：

         （1）适当选择c个类的初始中心；

         （2）在第m次迭代，对任一一个样本，求其到c各中心的距离，将样本归到距离最短的中心所在的类；

         （3）利用均值等方法更新该类的中心；

         （4）对于所有的c个聚类中心，如果利用（2）（3）的迭代更新后，值保持不变，则迭代结束，否则继续迭代。

    2.5 算法流程：

         输入： K，data[n];

           (1) 选择k个初始中心点，例如c[0] = data[0],...,c[k]=data[k-1]

           (2) 对于data[0],...,data[n],分别与c[i]比较，假定与c[i]差值最小，就标记为i；  

          （3）对于多有标记为i的点，重新计算c[i] = {所有标记为data[j]之和}/标记为i的个数；（此处是重新找聚类中心，即标记为i的类的样本的中心）

          （4）重复（2），（3），直到所有的c[i]值的变化小于给定的阈值。或者达到给定的迭代上限。

注意：

  算法优点：速度快，简单

  缺点：（1）最终的结果跟初始点选择相关，（2）容易陷入局部最优，（3）需要直到k值。、