K-Means简记

K-Means聚类算法。

基础含义

K-Means是一种聚类算法，它可以把n个对象根据相互之间的相似度，自动划分到K个聚类。 但并不是任意的划分，我们有明确的目标。通俗的讲，目标就是划分后的聚类, 每个类内部相对集中；而聚类与聚类之间则相对离散。

数学原理

给定n个观察点

$$X_1,X_2,...,X_n$$
其中每个观察点 $X_i$都是d维向量，也就是说，只要把我们的任何一条数据预处理到d维空间，使得每个 $|X_i|=d$, 举个例子就是
$$X_i=[{f_{i1},f_{i2},...,f_{id}}],$$
其中 $f_{ik}$就是第k个特征. 那么都可以采用此聚类方法处理数据。

那么我们的目标函数是什么呢？
我们需要划归到$S=\{{S_1,S_2,...,S_k}\}$，其中$S_i$是第i个聚类。

目标函数：

argmin∑i=1k(∑X∈Si||X−μi||2)=argmin∑i=1