数据挖掘算法之K-Means算法演示

目录

---

算法描述

　　K-Means算法是数据挖掘中较为常用的算法之一，同时也是聚类算法中较为简单的一种。K-Means是一种简单的迭代型的聚类算法，它将给定的数据集分为用户指定的k个聚簇。其中k一般是使用者根据一定的先验知识预先设定，Mean也就是英文中平均值的意思。因此，该方法从字面意思也能猜出该方法是通过计算平均值来找到数据的K个聚类中心。
　　首先，我们需要明白K-Means的目标是什么。k-means要做的就是根据一群没有标签数据的特征，将这些数据分成我们预先设定的k个种类。k-means算法的输入对象是d维向量空间中的一些点。因此，它是对一个d维向量空间的点集$D=\{x_i|i=1,...N\}$ 进行聚类，其中$x_i\in R^d$ 表示第$i$个对象。此外，在K-Means中，每个聚簇都用$R^d$ 的一个点来表示，可将这些聚簇表示成集合 C={ cj|j=1,...k