K-Means算法初学笔记

K-means聚类算法笔记

K-means算法，是一种非常典型的，基于距离的聚类算法。
该算法采用距离作为相似性的评价指标。即认为两个对象的距离越近，其相似度就越大。

1.K-means聚类算法简介

在数据挖掘中， K-Means 算法是一种 cluster analysis 的算法，其主要是来计算数据聚集的算法，通过不断地取离种子点最近均值的算法。

特点如下：

1. 出色的速度和良好的可扩展性。
2. 是一个重复移动类中心点的过程，把类的中心点移动到其包含成员的平均位置，然后重新划分其内部点数k必须是一个比训练集样本数小的正整数。
3. 有时，类的数量是由问题内容指定的。

2.K-means算法优劣

2.1优点

(1). 原理简单。需要调节的参数就一个k。

(2). 由具有出色的速度和良好的可扩展性。

(3).时间复杂度近于线性，而且适合挖掘大规模数据集。K-Means聚类算法的时间复杂度是O(nkt) ,其中n代表数据集中对象的数量，t代表着算法迭代的次数，k代表着簇的数目。

2.2 缺点

(1). kk 需要事先确定，这个 kk 值的选定有时候是比较难确定。

(2). 首先需要初始k个聚类中心，然后以此来确定一个初始划分，然后对初始