算法描述
1.选取 K K 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 K 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 M M个点就分为了 K K 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 M S E MSE 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 K 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
S S E = ∑ i = 1 k ∑ p ∈ C i ∣ p − m i ∣ 2 SSE=\sum_{i=1}^{k}\sum_{p\in C_{i} }\left | p-m_{i} \right |^{2} SSE=i=1∑kp∈Ci∑∣p−mi∣2
其中, C i C_{i}