算法进阶--聚类之k-Means与其评判标准，相似度计算

聚类

• 定义：聚类就是对大量未标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的相似度较小

聚类的基本思想

1条件：给定一个有N个对象的数据集，构造数据的k个簇，$k\le n$,且满足下列条件：
– 每一个簇至少包含一个对象
– 每一个对象属于且仅属于一个簇
– 将满足上述条件的k个簇称作一个合理划分
2.思想：对于给定的类别数目k，首先给出初始划分，通过迭代改变样本和簇的隶属关系，使得每一次改进之后的划分方案都较前一次好

K-Means 算法

• 定义：也被称为k-平均或k-均值，是一种广泛使用的聚类算法，或者称为其他聚类算法的基础
• 过程：假定输入样本为$S=x_1,x_2,...x_m$，则算法步骤为：
  1.选择初始的k个类别中心${\mu }_1,{\mu }_2...{\mu }_k$
  2.对于每个样本$x_i$,将其标记为距离类别中心最近的类别，即：
  $$labe{l}_i=argmin||x_i-u_i||,(1\le j\le$$