Kmeans

 

算法流程：

 

选取K个点作为初始类中心

 

将每个点指派到最近的类中心，形成k个簇

 

重新计算每个簇的类中心

 

直到簇不发生变化或达到最大迭代次数

 

时间复杂度：O(tkmn) --- t为迭代次数，k为簇的数目，m为样本数，n为维数

 

问题：

 

K如何确定：

 

1、与层次聚类的结合

 

首先采用层次聚类算法决定结果中簇大概的数目，并找到一个初始聚类，然后用迭代重定位来改进该聚类

 

2、结果稳定性

 

对数据集进行2次重采样产生2个数据子集，再用相同的聚类算法对2个子集进行聚类，产生2个具有k个聚类的聚类结果，计算2个聚类结果的相似度分布情况（如何计算聚类结果相似度），2个聚类结果具有高的相似度说明k个聚类反应了稳定的聚类结构，其相似度可以用来估计聚类个数。

 

可以采用次方法试探多个k，找到合适的k值

 

 

3、使用canopy算法进行初始划分

 

两个阶段

 

stage1：

 

聚类最好时的地方在于计算相似性的时候canopy在第一阶段选择简单、计算代价较低的方法计算相似性（什么方法）

 

将相似的

 

摘自

http://blog.csdn.net/qll125596718/article/details/8243404

转载于:https://my.oschina.net/u/1409247/blog/385102