k-means算法？k值如何选择？k-means++?

K-means经典算法：

1. 从数据集中随机选择K个样本作为初始聚类中心C = {c${}_1$, c${}_2$, …, c${}_k$}。
2. 对于数据集中的每个样本x${}_i$，计算其到每个聚类中心的距离，并将其分配给距离最小的聚类中心所对应的类中。
3. 重新计算每个类的聚类中心，
4. 重复2、3步直到聚类中心的位置不再变化

k值如何决定：

1. 肘部法则(elbow method)
   绘制代价函数和k值的关系图，选取拐点处的k值作为最佳的数目。但一般拐点是很少出现的
2. 轮廓系数
   计算每个样本点和同类的类间距离，取平均作为簇内不相似度a${}_i$。到其他每个簇的平均距离，最近的作为簇间不相似度b${}_i$。b${}_i$越大，a${}_i$则轮廓系数越大， 聚类效果越好。取值为-1到1。用所有样本的轮廓系数的均值进行评判

k-means++:
k-means++是改进了初始聚类中心的选取，首先随机选取一个样本作为聚类中心，之后其他的样本点距离已存在的中心的距离越远，被选为新的聚类中心的概率越大。

ISODATA迭代自组织数据分析法:
同样是k-means方法的改进，一般k值选取后整个过程中就不再变了，ISODATA对于样本过少的类别会出去，对于样本数过多、分散程度大的类别会分为两类

Kernel K-means:
核函数，所有样本映射到高维空间再进行聚类。