Kmeans

参考了N篇博客和机器学习实战写出来这个。

1.关于分类和聚类：

共同点是都是对数据进行分类。
不同点：
分类是事先知道分类数据具有哪些类型(特点、属性)，然后对数据进行归类。
聚类的已知信息只有数据，然后根据对数据的特点、属性将数据分出类别。

2.Kmeans:

(1)Kmeans算法原理：

    初始条件：给出数据和**指定的K值**，K值是指这些数据需要分出多少类，**这里的类也被叫做簇**。
    分类的依据：根据数据之间的相似程度，一般来说是把**数据点之间的距离大小作为数据间的相似程度**。

算法思想：
选择K个点作为初始质心  
repeat  
    将每个点指派到最近的质心，形成K个簇  
    重新计算每个簇的质心  
until 簇不发生变化或达到最大迭代次数

(2)簇的介绍：

明显分离的

可以看到(a)中不同组中任意两点之间的距离都大于组内任意两点之间的距离，明显分离的簇不一定是球形的，可以具有任意的形状。

基于原型的

簇是对象的集合，其中每个对象到定义该簇的原型的距离比其他簇的原型距离更近，如(b)所示的原型即为中心点，在一个簇中的数据到其中心点比到另一个簇的中心点更近。这是一种常见的基于中心的簇，最常用的K-Means就是这样的一种簇类型。
这样的簇趋向于球形。

基于密度的

簇是对象的密度区域，(d)所示的是基于密度的簇，当簇不规则或相互盘绕，并且有早上和离群点事，常常使用基于密度的簇定义。

(3)距离类型的介绍：

常见的距离：

(4)质心的重新计算：

根据SSE公式来计算质心，全称是误差平方和公式，SSE值越小说明该质心越符合这些数据点的中心。
最后的结果是取所有簇内点的平均值作为新的质点。

k表示k个聚类中