文章目录
K-Means 二维数据 聚类分析 数据样本及聚类要求
数据样本及聚类要求 :
① 数据样本 : 数据集样本为 6 6 6 个点 , A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) , A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) , B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) , B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) , C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) , C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) ;
② 聚类个数 : 分为 3 3 3 个聚类 ;
③ 距离计算方式 : 使用 曼哈顿距离 , 计算样本之间的相似度 ; 曼哈顿距离的计算方式是 两个维度的数据差 的 绝对值 相加 ;
④ 中心点初始值 : 选取 A 1 , B 1 , C 1 A_1 , B_1 , C_1 A1,B1,C1 三个样本为聚类的初始值 , 这是实点 ; 如果选取非样本的点作为初始值 , 就是虚点 ;
⑤ 要求 : 使用 K-Means 算法迭代 2 2 2 次 ;
⑥ 中心值精度 : 计算过程中中心值小数向下取整 ;
二维数据曼哈顿距离计算
1 . 曼哈顿距离 公式如下 :
d ( i , j ) = ∣ x i 1 − x j 1 ∣ + ∣ x i 2 − x j 2 ∣ + ⋯ + ∣ x i p − x j p ∣ d(i, j) = | x_{i1} - x_{j1} | + | x_{i2} - x_{j2} | + \cdots + | x_{ip} - x_{jp} | d(i,j)=∣xi1−xj1∣+∣xi2−xj2∣+⋯+∣xip−xjp∣
d ( i , j ) d(i, j) d(i,j) 表示两个样本之间的距离 , 曼哈顿距离 ;
p p p 表示属性的个数 , 每个样本有 p p p 个属性 ;
i i i 和 j j j 表示两个 样本的索引值 , 取值范围是 { 1 , 2 , ⋯ , q } \{1 , 2, \cdots , q\} {1,2,⋯,q} ;
x i p − x j p x_{ip} - x_{jp} xip−xjp 表示两个样本 第 p p p 个属性值 的差值 , x i 1 − x j 1 x_{i1} - x_{j1} xi1−xj1 表示两个样本 第 1 1 1 个属性值 的差值 , x i 2 − x j 2 x_{i2} - x_{j2} xi2−xj2 表示两个样本 第 2 2 2 个属性值 的差值 ;
2 . 曼哈顿距离图示 : 曼哈顿的街道都是横平竖直的 , 从 A A A 点到 B B B 点 , 一般就是其 x x x 轴坐标差 加上其 y y y 轴坐标差 , 即 x + y x + y x+y ;
3 . 本题目中的样本距离计算示例 : 两个样本的曼哈顿距离是 x x x 属性差的绝对值 , 加上 y y y 属性差的绝对值 , 之和 ;
计算 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) , A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) 的距离 :
d ( A 1 , A 2 ) = ∣ 2 − 3 ∣ + ∣ 4 − 7 ∣ = 4 d(A_1 , A_2) = | 2 - 3 | + |4 - 7| = 4 d(A1,A2)=∣2−3∣+∣4−7∣=4
A 1 A_1 A1 样本与 A 2 A_2 A2 样本之间的距离是 4 4 4 ;
K-Means 算法 步骤
K-Means 算法 步骤 : 给定数据集 X X X , 该数据集有 n n n 个样本 , 将其分成 K K K 个聚类 ;
① 中心点初始化 : 为 K K K 个聚类分组选择初始的中心点 , 这些中心点称为 Means ; 可以依据经验 , 也可以随意选择 ;
② 计算距离 : 计算 n n n 个对象与 K K K 个中心点 的距离 ; ( 共计算 n × K n \times K n×K 次 )
③ 聚类分组 : 每个对象与 K K K 个中心点的值已计算出 , 将每个对象分配给距离其最近的中心点对应的聚类 ;
④ 计算中心点 : 根据聚类分组中的样本 , 计算每个聚类的中心点 ;
⑤ 迭代直至收敛 : 迭代执行 ② ③ ④ 步骤 , 直到 聚类算法收敛 , 即 中心点 和 分组 经过多少次迭代都不再改变 , 也就是本次计算的中心点与上一次的中心点一样 ;
第一次迭代 : 步骤 ( 1 ) 中心点初始化
初始化中心点 : 3 3 3 个聚类的中心点 , 在题目中已经给出 ;
① 聚类 1 1 1 中心点 : A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) ;
② 聚类 2 2 2 中心点 : B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) ;
③ 聚类 3 3 3 中心点 : C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) ;
第一次迭代 : 步骤 ( 2 ) 计算距离
距离计算次数 : 这里需要计算所有的样本 , 与所有的中心点的距离 , 每个样本都需要计算与 3 3 3 个中心点的距离 , 共需要计算 6 × 3 = 18 6 \times 3 = 18 6×3=18 次 ;
数据样本 : A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) , A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) , B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) , B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) , C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) , C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9)
1 . 计算 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 与 三个中心点 { A 1 , B 1 , C 1 } \{ A_1 , B_1 , C_1 \} {A1,B1,C1} 之间的距离 :
① A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 与 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 的距离 : ( 最小 )
d ( A 1 , A 1 ) = ∣ 2 − 2 ∣ + ∣ 4 − 4 ∣ = 0 d(A_1 , A_1) = | 2-2 | + | 4-4 | = 0 d(A1,A1)=∣2−2∣+∣4−4∣=0
② A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 与 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 的距离 :
d ( A 1 , B 1 ) = ∣ 2 − 5 ∣ + ∣ 4 − 8 ∣ = 7 d(A_1 , B_1) = | 2-5 | + | 4-8 | = 7 d(A1,B1)=∣2−5∣+∣4−8∣=7
③ A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 与 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 的距离 :
d ( A 1 , C 1 ) = ∣ 2 − 6 ∣ + ∣ 4 − 2 ∣ = 6 d(A_1 , C_1) = | 2-6 | + | 4-2 | = 6 d(A1,C1)=∣2−6∣+∣4−2∣=6
A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 与 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 的距离最小 ;
2 . 计算 A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) 与 三个中心点 { A 1 , B 1 , C 1 } \{ A_1 , B_1 , C_1 \} {A1,B1,C1} 之间的距离 :
① A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) 与 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 的距离 :
d ( A 2 , A 1 ) = ∣ 3 − 2 ∣ + ∣ 7 − 4 ∣ = 4 d(A_2 , A_1) = | 3-2 | + | 7-4 | = 4 d(A2,A1)=∣3−2∣+∣7−4∣=4
② A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) 与 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 的距离 : ( 最小 )
d ( A 2 , B 1 ) = ∣ 3 − 5 ∣ + ∣ 7 − 8 ∣ = 3 d(A_2 , B_1) = | 3-5 | + | 7-8 | = 3 d(A2,B1)=∣3−5∣+∣7−8∣=3
③ A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) 与 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 的距离 :
d ( A 2 , C 1 ) = ∣ 3 − 6 ∣ + ∣ 7 − 2 ∣ = 8 d(A_2 , C_1) = | 3-6 | + | 7-2 | = 8 d(A2,C1)=∣3−6∣+∣7−2∣=8
A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) 与 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 的距离最小 ;
3 . 计算 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 与 三个中心点 { A 1 , B 1 , C 1 } \{ A_1 , B_1 , C_1 \} {A1,B1,C1} 之间的距离 :
① B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 与 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 的距离 :
d ( B 1 , A 1 ) = ∣ 5 − 2 ∣ + ∣ 8 − 4 ∣ = 7 d(B_1 , A_1) = | 5 -2 | + | 8 -4 | = 7 d(B1,A1)=∣5−2∣+∣8−4∣=7
② B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 与 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 的距离 : ( 最小 )
d ( B 1 , B 1 ) = ∣ 5 − 5 ∣ + ∣ 8 − 8 ∣ = 0 d(B_1 , B_1) = | 5 -5 | + | 8 -8 | = 0 d(B1,B1)=∣5−5∣+∣8−8∣=0
③ B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 与 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 的距离 :
d ( B 1 , C 1 ) = ∣ 5 − 6 ∣ + ∣ 8 − 2 ∣ = 7 d(B_1 , C_1) = | 5 -6 | + | 8 -2 | = 7 d(B1,C1)=∣5−6∣+∣8−2∣=7
B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 与 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 的距离最小 ;
4 . 计算 B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) 与 三个中心点 { A 1 , B 1 , C 1 } \{ A_1 , B_1 , C_1 \} {A1,B1,C1} 之间的距离 :
① B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) 与 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 的距离 :
d ( B 2 , A 1 ) = ∣ 9 − 2 ∣ + ∣ 5 − 4 ∣ = 8 d(B_2 , A_1) = | 9 -2 | + | 5 -4 | = 8 d(B2,A1)=∣9−2∣+∣5−4∣=8
② B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) 与 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 的距离 :
d ( B 2 , B 1 ) = ∣ 9 − 5 ∣ + ∣ 5 − 8 ∣ = 7 d(B_2 , B_1) = | 9 -5 | + | 5 -8 | = 7 d(B2,B1)=∣9−5∣+∣5−8∣=7
③ B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) 与 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 的距离 : ( 最小 )
d ( B 2 , C 1 ) = ∣ 9 − 6 ∣ + ∣ 5 − 2 ∣ = 6 d(B_2 , C_1) = | 9 -6 | + | 5 -2 | = 6 d(B2,C1)=∣9−6∣+∣5−2∣=6
B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) 与 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 的距离最小 ;
5 . 计算 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 与 三个中心点 { A 1 , B 1 , C 1 } \{ A_1 , B_1 , C_1 \} {A1,B1,C1} 之间的距离 :
① C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 与 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 的距离 :
d ( C 1 , A 1 ) = ∣ 6 − 2 ∣ + ∣ 2 − 4 ∣ = 6 d(C_1 , A_1) = | 6 -2 | + | 2 -4 | = 6 d(C1,A1)=∣6−2∣+∣2−4∣=6
② C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 与 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 的距离 :
d ( C 1 , B 1 ) = ∣ 6 − 5 ∣ + ∣ 2 − 8 ∣ = 7 d(C_1 , B_1) = | 6 -5 | + | 2 -8 | = 7 d(C1,B1)=∣6−5∣+∣2−8∣=7
③ C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 与 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 的距离 : ( 最小 )
d ( C 1 , C 1 ) = ∣ 6 − 6 ∣ + ∣ 2 − 2 ∣ = 0 d(C_1 , C_1) = | 6 -6 | + | 2 -2 | = 0 d(C1,C1)=∣6−6∣+∣2−2∣=0
C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 与 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 的距离最小 ;
6 . 计算 C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) 与 三个中心点 { A 1 , B 1 , C 1 } \{ A_1 , B_1 , C_1 \} {A1,B1,C1} 之间的距离 :
① C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) 与 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 的距离 :
d ( C 2 , A 1 ) = ∣ 4 − 2 ∣ + ∣ 9 − 4 ∣ = 7 d(C_2 , A_1) = | 4 -2 | + | 9 -4 | = 7 d(C2,A1)=∣4−2∣+∣9−4∣=7
② C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) 与 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 的距离 : ( 最小 )
d ( C 2 , B 1 ) = ∣ 4 − 5 ∣ + ∣ 9 − 8 ∣ = 2 d(C_2 , B_1) = | 4 -5 | + | 9 -8 | = 2 d(C2,B1)=∣4−5∣+∣9−8∣=2
③ C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) 与 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 的距离 :
d ( C 2 , C 1 ) = ∣ 4 − 6 ∣ + ∣ 9 − 2 ∣ = 9 d(C_2 , C_1) = | 4 -6 | + | 9 -2 | = 9 d(C2,C1)=∣4−6∣+∣9−2∣=9
C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) 与 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 的距离最小 ;
8 . 生成距离表格 : 将上面计算的内容总结到如下表格中 ;
A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) | A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) | B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) | B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) | C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) | C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) | |
---|---|---|---|---|---|---|
A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) | 0 0 0 | 4 4 4 | 7 7 7 | 8 8 8 | 6 6 6 | 7 7 7 |
B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) | 7 7 7 | 3 3 3 | 0 0 0 | 7 7 7 | 7 7 7 | 2 2 2 |
C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) | 6 6 6 | 8 8 8 | 7 7 7 | 6 6 6 | 0 0 0 | 9 9 9 |
第一次迭代 : 步骤 ( 3 ) 聚类分组
1 . 聚类分组 : 根据计算出的 , 每个样本与 3 3 3 个中心点的距离 , 将样本划分到 距离该样本最近的中心点 对应的分组中 ;
A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) | A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) | B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) | B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) | C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) | C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) | |
---|---|---|---|---|---|---|
A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) | 0 0 0 | 4 4 4 | 7 7 7 | 8 8 8 | 6 6 6 | 7 7 7 |
B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) | 7 7 7 | 3 3 3 | 0 0 0 | 7 7 7 | 7 7 7 | 2 2 2 |
C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) | 6 6 6 | 8 8 8 | 7 7 7 | 6 6 6 | 0 0 0 | 9 9 9 |
2 . 根据表格中的距离 , 为每个样本分组 :
① A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 距离 A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 中心点最近 , 划分到 聚类 1 1 1 中 ;
② A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) 距离 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 中心点最近 , 划分到 聚类 2 2 2 中 ;
③ B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 距离 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 中心点最近 , 划分到 聚类 2 2 2 中 ;
④ B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) 距离 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 中心点最近 , 划分到 聚类 3 3 3 中 ;
⑤ C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 距离 C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 中心点最近 , 划分到 聚类 3 3 3 中 ;
⑥ C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) 距离 B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 中心点最近 , 划分到 聚类 2 2 2 中 ;
3 . 最终的聚类分组为 :
① 聚类 1 1 1 : { A 1 } \{ A_1 \} {A1}
② 聚类 2 2 2 : { A 2 , B 1 , C 2 } \{ A_2 , B_1 , C_2 \} {A2,B1,C2}
③ 聚类 3 3 3 : { B 2 , C 1 } \{ B_2 , C_1 \} {B2,C1}
第二次迭代 : 步骤 ( 1 ) 中心点初始化
A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) , A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) , B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) , B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) , C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) , C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9)
1 . 聚类 1 1 1 中心点计算 : 计算 { A 1 ( 2 , 4 ) } \{ A_1 ( 2 , 4 ) \} {A1(2,4)} 中心点
聚 类 1 中 心 点 = ( 2 , 4 ) 聚类 1 中心点 = ( 2 , 4 ) 聚类1中心点=(2,4)
2 . 聚类 2 2 2 中心点计算 : 计算 { A 2 ( 3 , 7 ) , B 1 ( 5 , 8 ) , C 2 ( 4 , 9 ) } \{ A_2 ( 3 , 7 ) , B_1 ( 5 , 8 ) , C_2( 4 , 9 ) \} {A2(3,7),B1(5,8),C2(4,9)} 中心点
聚 类 2 中 心 点 = ( 3 + 5 + 4 3 , 7 + 8 + 9 3 ) = ( 4 , 8 ) 聚类 2 中心点 = ( \frac{3 + 5 + 4}{3} , \frac{7 + 8 + 9}{3}) = ( 4 , 8 ) 聚类2中心点=(33+5+4,37+8+9)=(4,8)
3 . 聚类 3 3 3 中心点计算 : 计算 { B 2 ( 9 , 5 ) , C 1 ( 6 , 2 ) } \{ B_2( 9 , 5 ) , C_1 ( 6 , 2 ) \} {B2(9,5),C1(6,2)} 中心点
聚 类 3 中 心 点 = ( 9 + 6 2 , 5 + 2 2 ) = ( 7 , 3 ) 聚类 3 中心点 = ( \frac{9 + 6 }{2} , \frac{5 + 2}{2}) = ( 7 , 3 ) 聚类3中心点=(29+6,25+2)=(7,3)
第二次迭代 : 步骤 ( 2 ) 计算距离
计算 6 6 6 个点 , 到 3 3 3 个中心点的距离 , 3 3 3 个中心点分别是 { ( 2 , 4 ) , ( 4 , 8 ) , ( 7 , 3 ) } \{ ( 2 , 4 ) , ( 4 , 8 ) , ( 7 , 3 ) \} {(2,4),(4,8),(7,3)} , 直接将两个点的曼哈顿距离填在对应的表格中 ;
如 : 第 1 1 1 行 , 第 2 2 2 列 :
A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 样本 与 ( 4 , 8 ) ( 4 , 8 ) (4,8) 聚类 2 2 2 中心点的 曼哈顿距离 是 6 6 6 , 计算过程如下 :
A 1 ( 2 , 4 ) 与 ( 4 , 8 ) 两 点 曼 哈 顿 距 离 = ∣ 2 − 4 ∣ + ∣ 4 − 8 ∣ = 6 A_1 ( 2 , 4 ) 与 ( 4 , 8 ) 两点曼哈顿距离 = | 2 - 4 | + | 4 - 8 | = 6 A1(2,4)与(4,8)两点曼哈顿距离=∣2−4∣+∣4−8∣=6
A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) | A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) | B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) | B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) | C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) | C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) | |
---|---|---|---|---|---|---|
( 2 , 4 ) ( 2 , 4 ) (2,4) | 0 0 0 | 4 4 4 | 7 7 7 | 8 8 8 | 6 6 6 | 7 7 7 |
( 4 , 8 ) ( 4 , 8 ) (4,8) | 6 6 6 | 2 2 2 | 1 1 1 | 8 8 8 | 8 8 8 | 1 1 1 |
( 7 , 3 ) ( 7 , 3 ) (7,3) | 6 6 6 | 8 8 8 | 7 7 7 | 4 4 4 | 2 2 2 | 9 9 9 |
第二次迭代 : 步骤 ( 3 ) 聚类分组
1 . 聚类分组 : 根据计算出的 , 每个样本与 3 3 3 个中心点的距离 , 将样本划分到 距离该样本最近的中心点 对应的分组中 ;
A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) | A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) | B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) | B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) | C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) | C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) | |
---|---|---|---|---|---|---|
( 2 , 4 ) ( 2 , 4 ) (2,4) | 0 0 0 | 4 4 4 | 7 7 7 | 8 8 8 | 6 6 6 | 7 7 7 |
( 4 , 8 ) ( 4 , 8 ) (4,8) | 6 6 6 | 2 2 2 | 1 1 1 | 8 8 8 | 8 8 8 | 1 1 1 |
( 7 , 3 ) ( 7 , 3 ) (7,3) | 6 6 6 | 8 8 8 | 7 7 7 | 4 4 4 | 2 2 2 | 9 9 9 |
2 . 根据表格中的距离 , 为每个样本分组 :
① A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 距离 ( 2 , 4 ) ( 2 , 4 ) (2,4) 中心点最近 , 划分到 聚类 1 1 1 中 ;
② A 2 ( 3 , 7 ) A_2 ( 3 , 7 ) A2(3,7) 距离 ( 4 , 8 ) ( 4 , 8 ) (4,8) 中心点最近 , 划分到 聚类 2 2 2 中 ;
③ B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 距离 ( 4 , 8 ) ( 4 , 8 ) (4,8) 中心点最近 , 划分到 聚类 2 2 2 中 ;
④ B 2 ( 9 , 5 ) B_2 ( 9 , 5 ) B2(9,5) 距离 ( 7 , 3 ) ( 7 , 3 ) (7,3) 中心点最近 , 划分到 聚类 3 3 3 中 ;
⑤ C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 距离 ( 7 , 3 ) ( 7 , 3 ) (7,3) 中心点最近 , 划分到 聚类 3 3 3 中 ;
⑥ C 2 ( 4 , 9 ) C_2 ( 4 , 9 ) C2(4,9) 距离 ( 4 , 8 ) ( 4 , 8 ) (4,8) 中心点最近 , 划分到 聚类 2 2 2 中 ;
3 . 最终的聚类分组为 :
① 聚类 1 1 1 : { A 1 } \{ A_1 \} {A1}
② 聚类 2 2 2 : { A 2 , B 1 , C 2 } \{ A_2 , B_1 , C_2 \} {A2,B1,C2}
③ 聚类 3 3 3 : { B 2 , C 1 } \{ B_2 , C_1 \} {B2,C1}
第二次迭代的聚类分组 , 与第一次迭代的聚类分组 , 没有改变 , 说明聚类算法分析结果已经收敛 , 该聚类结果就是最终的结果 ;
K-Means 迭代总结
1 . 第一次迭代 :
① 设置中心点 : 设置了 3 3 3 个初始中心点 , A 1 ( 2 , 4 ) A_1 ( 2 , 4 ) A1(2,4) 对应聚类 1 1 1 中心点 , B 1 ( 5 , 8 ) B_1 ( 5 , 8 ) B1(5,8) 对应聚类 2 2 2 中心点 , C 1 ( 6 , 2 ) C_1 ( 6 , 2 ) C1(6,2) 对应聚类 3 3 3 中心点 ;
② 计算中心点距离 : 然后就算 6 6 6 个样本距离这 3 3 3 个中心点的距离 ;
③ 根据距离聚类分组 : 每个样本取距离最近的 1 1 1 个中心点 , 将该样本分类成该中心点对应的聚类分组 , 聚类分组结果是 , 聚类 1 1 1 : { A 1 } \{ A_1 \} {A1} , 聚类 2 2 2 : { A 2 , B 1 , C 2 } \{ A_2 , B_1 , C_2 \} {A2,B1,C2} , 聚类 3 3 3 : { B 2 , C 1 } \{ B_2 , C_1 \} {B2,C1} ;
2 . 第二次迭代 :
① 计算中心点 : 根据第一次迭代的聚类分组结果计算 3 3 3 个中心点 , ( 2 , 4 ) ( 2 , 4 ) (2,4) 对应聚类 1 1 1 中心点 , $( 4 , 8 ) $ 对应聚类 2 2 2 中心点 , ( 7 , 3 ) ( 7 , 3 ) (7,3) 对应聚类 3 3 3 中心点 ;
② 计算中心点距离 : 然后就算 6 6 6 个样本距离这 3 3 3 个中心点的距离 ;
③ 根据距离聚类分组 : 每个样本取距离最近的 1 1 1 个中心点 , 将该样本分类成该中心点对应的聚类分组 , 聚类分组结果是 , 聚类 1 1 1 : { A 1 } \{ A_1 \} {A1} , 聚类 2 2 2 : { A 2 , B 1 , C 2 } \{ A_2 , B_1 , C_2 \} {A2,B1,C2} , 聚类 3 3 3 : { B 2 , C 1 } \{ B_2 , C_1 \} {B2,C1} ;
3 . 最终结果 : 经过 2 2 2 次迭代 , 发现 , 根据最初选择中心点 , 进行聚类分组的结果 , 就是最终的结果 , 迭代 2 2 2 次的分组结果相同 , 说明聚类算法已经收敛 , 此时的聚类结果就是最终结果 , 聚类算法终止 ;
K-Means 初始中心点选择方案
1 . 初始中心点选择 :
① 初始种子 : 初始的中心点 , 又称为种子 , 如果种子选择的好 , 迭代的次数就会非常少 , 迭代的最少次数为 2 2 2 , 如上面的示例 ;
② 种子选择影响 : 初始种子选择的好坏 , 即影响算法收敛的速度 , 又影响聚类结果的质量 ; 选择的好 , 迭代 2 2 2 次 , 算法收敛 , 得到最终结果 , 并且聚类效果很好 ; 选择的不好 , 迭代很多次才收敛 , 并且聚类效果很差 ;
2 . 初始中心点选择方案 :
① 随机选择 ;
② 使用已知聚类算法的结果 ;
③ 爬山算法 : K-Means 采用的是爬山算法 , 只找局部最优的中心点 ;
K-Means 算法优缺点
1 . K-Means 算法优点 :
① 算法可扩展性高 : 算法复杂度随数据量增加 , 而线性增加 ;
② 算法的复杂度 : K-Means 的算法复杂度是 O ( t k n ) O(tkn) O(tkn) , n n n 是数据样本个数 , k k k 是聚类分组的个数 , t t t 是迭代次数 , t t t 一般不超过 n n n ;
2 . K-Means 算法缺点 :
③ 事先必须设定聚类个数 : K-Means 的聚类分组的个数, 必须事先确定 , 有些应用场景中 , 事先是不知道聚类个数的 ;
④ 有些中心点难以确定 : 有些数据类型的中心点不好确定 , 如字符型的数据 , 离散型数据 , 布尔值数据 等 ;
⑤ 鲁棒性差 : 对于数据样本中的噪音数据 , 异常数据 , 不能有效的排除这些数据的干扰 ;
⑥ 局限性 : 只能处理凸状 , 或 球状分布的样本数据 , 对于 凹形分布 的样本数据 , 无法有效的进行聚类分析 ;
K-Means 算法变种
1 . K-Means 方法有很多变种 :
① K_Modes : 处理离散型的属性值 , 如字符型数据等 ;
② K-Prototypes : 处理 离散型 或 连续型 的属性 ;
③ K-Medoids : 其计算中心点不是使用算术平均值 , 其使用的是中间值 ;
2 . K-Means 变种算法 与 k-Means 算法的区别与联系 :
① 原理相同 : 这些变种算法 与 K-Means 算法原理基本相同 ;
② 中心点选择不同 : 变种算法 与 原算法 最初的中心点选择不同 ;
③ 距离计算方式不同 : K-Means 使用曼哈顿距离 , 变种算法可能使用 欧几里得距离 , 明科斯基距离 , 边际距离 等 ;
④ 计算聚类中心点策略不同 : K-Means 算法中使用算术平均 , 有的使用中间值 ;