【AI面试题】Kmeams算法流程以及Kmeans++介绍

1. Kmeans算法流程

1. 随机初始化K个中心点；
2. 计算所有样本分别到K个中心点的距离；
3. 比较每个样本到K个中心点的距离（这里的距离也可以使用欧氏距离），并将样本分类到距离最近的中心点所在的类别中；
4. 对K个类别组成的样本点，重新计算中心点（计算方法是计算子集中所有元素各个维度的算术平均数）；
5. 重复2~4，直到中心点不再变化。

2. Kmeans++

       Kmeans++的算法思想是使得初始化的聚类中心点之间的距离尽可能的远，米表示对Kmeans算法的初始化进行优化。具体流程如下：

1. 随机初始化一个中心；
2. 对于每个样本x，计算距离它最近的中心点的欧氏距离D(x)，每个样本被选为中心点的概率为下方公式所示。按照轮盘赌-选择法（Roulette Wheel Selection）选择出下一个中心点；
   
3. 重复步骤2，直到选出所有的中心点。