Kmeans算法

来自于百度百科

Kmeans

定义：最为经典的基于划分的聚类方法

算法流程：从n个数据对象任意选择K个对象

Kmeans算法

算法接受参数K；然后将事先输入的n个数据对象划分为K个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。

聚类相似度是利用各聚类中对象的均值所获得一个”中心对象“（引力中心）来进行计算的。

基本思想：以空间中K个点的中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。

假设要把样本集分为C个类别，算法描述如下：

1、适当选择C个类的初始中心

2、在第K次迭代中，对任意一个样本，求其到C个中心的距离，将该样本归到距离最短的中心所在的类

3、利用均值等方法更新该类的中心值

4、对于所有的C个聚类中心，如果利用2、3的迭代法更新后，值保持不变，则迭代结束，否则继续迭代

算法流程

首先从n个数据对象任意选择K个对象作为初始的聚类中心；而对于所剩下其他对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般采用均方差作为标准测度函数。K个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。

具体流程：

输入：K,data[n]；

1、选择K的初始中心点，例如c[0]=data[0],...c[k-1]=data[k-1]

2、对于data[0]...data[n]，分别与c[0]...c[k-1]比较，假定与c[i]差值最少，就标记为i

3、对于所有标记为i点，重新计算c[i]={所有标记为i的data[i]之和}/标记为i的个数

4、重复2 3，直到所有c[i]值的变化小于给定的阈值