数据挖掘中的Kmeans算法

KMeans算法是一种基于样本间相似度量的间接聚类方法。

主要思想是:在给定K值和K个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点(取平均值)，然后再迭代的进行分配点和更新类簇中心点的步骤，直至类簇中心点的变化很小，或者达到指定的迭代次数。

KMeans的两个缺陷：

1，这两个缺陷都跟初始值相关。K 是事先给定的，这个 K 值的选定是非常难以估计的。很多时候，事先并不知道给定的数据集应该分成多少个类别才最合适。

2，K-Means算法需要用初始随机种子点来搞，这个随机种子点太重要，不同的随机种子点会有得到完全不同的结果。

对于缺陷1：

 ISODATA算法通过类的自动合并和分裂，得到较为合理的类型数目 K。

对与缺陷2：可以采用K-Means++算法进行解决：

具体内容参：http://rosettacode.org/wiki/K-means%2B%2B_clustering#Python