K-mean聚类算法

K-mean算法属于非监督类算法，模型相对简单。

目标函数 J = sum（dj*I{xi属于j类}）

算法：

1、初始化K个点；

2、样本xi,到k个点的距离为

dk = ||xi - uk||;

j = argmin（j） dk；

xi属于cj；

3、更新参数：

uk = sum（xi*I{xi属于cj}）/sum(I{xi属于cj});

重复2和3，终止条件J的变化很小或者uk变化很小。

整个算法结束了，但是结果是局部最优，初始值很重要，所以很多时候会多次初始化重复计算，找到一个稳定的解。

缺点与优点：

优点：

1、模型简单、速度快；

2、对处理数据，具有很强的伸缩性和高效性；

缺点：

1、K的值很难确定；

2、对噪声很敏感；