K-Means聚类算法

K-Means简介

K-Means属于无监督的学习。我们通过对象和对象之间的距离远近，将数据集拆分成K个簇，每个簇有一个中心，这个中心是由簇中所含值得均值计算而成的，所以叫做K均值算法。

优点

• 无监督数据集，不需要准备数据集
• 原理简单，容易实现
• 结果可解释性好

缺点

• 需要手动设置K值（聚类的簇数），不合理K值导致缺乏解释性
• 可能陷入local-minima,大规模数据收敛太慢
• 对于异常点很敏感

K-Means伪代码

K-Means评价标准

判断聚类的性能，我们用Sum of Squared Error（SSE）。SSE越小表示数据点越接近于质心，聚类效果也越好。因为对误差取了平方，所以更加注重远离中心的点。一种肯定能降低SSE的办法是增加簇的个数，但违背了聚类的目标。聚类的目标就是保持簇的个数不变的情况下提高簇的质量。