Kmeans算法

算法描述

1.选取$K$个点做为初始聚集的簇心（也可选择非样本点）;
2.分别计算每个样本点到 $K$个簇核心的距离（这里的距离一般取欧氏距离或余弦距离），找到离该点最近的簇核心，将它归属到对应的簇；
3.所有点都归属到簇之后， $M$个点就分为了$K$个簇。之后重新计算每个簇的重心（平均距离中心），将其定为新的“簇核心”；
4.反复迭代 2 - 3 步骤，直到达到某个中止条件。
注：常用的中止条件有迭代次数、最小平方误差$MSE$、簇中心点变化率；

优势

简单快速，适合常规数据集

劣势

1.$K$值难以确定
2.对初始簇中心点是敏感的
3.复杂度与样本成线性关系
4.很难发现任意形状的簇
5.特殊值(离群值或称为异常值)对模型的影响比较大。

K值选取方法

1.手肘法

通过计算误差平方和
$$SSE=\sum _{i=1}^k\sum _{p\in C_i}{\left|p-m_i\right|}^2$$
其中， C i C_{i}