k-means聚类算法

2018.9.11

k-mean算法

---

1. 解决什么问题
2. 输入是什么
3. 输出是什么

---

1. 解决什么问题：

k-means 算法接受输入量 k ；然后将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。

说白了就是把数据按需求分成 k 类。

---

2. 输入：
待处理数据矩阵X，质心数量K

---

算法思想：
（1）随机选取K个初始质心
（2）分别计算所有样本到这K个质心的距离
（3）如果样本离质心Si最近，那么这个样本属于Si点群；如果到多个质心的距离相等，则可划分到任意组中
（4）按距离对所有样本分完组之后，计算每个组的均值（最简单的方法就是求样本每个维度的平均值），作为新的质心
（5）重复（2）（3）（4）直到新的质心和原质心相等，算法结束

---

MATLAB中有自带的kmeans函数，可以直接使用：

K-means聚类算法采用的是将N*P的矩阵X划分为K个类，使得类内对象之间的距离最大，而类之间的距离最小。
使用方法：
Idx=Kmeans(X,K)
[Idx,C]=Kmeans(X,K)
[Idc,C,sumD]=Kmeans(X,K)
[Idx,C,sumD,D]=Kmeans(X,K)

各输入输出参数介绍：
X—NP的数据矩阵
K—表示将X划分为几类，为整数
Idx—N1的向量，存储的是每个点的聚类标号
C—KP的矩阵，存储的是K个聚类质心位置
sumD—1K的和向量，存储的是类内所有点与该类质心点距离之和
D—N*K的矩阵，存储的是每个点与所有质心的距离

[┈]=Kmeans(┈,’Param1’,’Val1’,’Param2’,’Val2’,┈)
其中参数Param1、Param2等，主要可以设置为如下：
1、’Distance’—距离测度
‘sqEuclidean’—欧氏距离
‘cityblock’—绝对误差和，又称L1
‘cosine’—针对向量
‘correlation’—针对有时序关系的值
‘Hamming’—