数据挖掘十大算法- K-means 算法

标准的K-means算法:
kmeans 算法是实际应用中最为常用的聚类算法.Kmeans 算法的原理简单,实现起来不是很复杂,实际中使用效果也不一般.
kmeans 算法的步骤一般如下:

1.随机挑选k个初始聚类中心
2.计算数据集中每个点到每个聚类中心的聚类,然后将这个点分配到离该点最近的聚类中心中
3. 重复计算每个类中多有点坐标的平均值,并且把这个新点做为聚类中心.
4. 重复步骤2和3 直到聚类中心不再大范围移动(自定义精度)或者迭代的总次数达到最大值.

K-means 算法的优缺点:

主要优点:
1.原理简单,易于理解.
2.显示容易.
3.计算速度快.
4.聚类效果好.

主要缺点:
1.需要确定k值.
2.对于初始聚类中心的选择敏感.
3.对于异常点敏感,因为异常点会很大程度上影响聚类的中心位置.
4.无法增量计算,在数据量很大的时候表现明显.

K-Means ++
1.从初始数据集中随机选择一个点作为第一个聚类中心点。
2.计算数据集中所有点到最近一个中心点的距离D(x).
3.选择一个新的数据点作为新的聚类中心，选择的原则是：D(x)较大的点，被选取作为聚类中心的概率较大
4.重复2和3直到k个聚类中心被选出来
5.利用这k个初始的聚类中心来运行标准的k-means算法

参考>http://blog.csdn.net/bitcarmanlee/article/details/52092288?locationNum=3&fps=1