K-Means、层次聚类算法讲解及对iris数据集聚类实战（附源码）

需要源码请点赞关注收藏后评论区留言私信~~~

聚类(Clustering) 一个重要的非监督学习方法

聚类-即是将相似的对象组成多个类簇，以此来发现数据之间的关系

聚类（簇）：数据对象的集合 在同一个聚类（簇）中的对象彼此相似 不同簇中的对象则相异

聚类是一种无指导的学习：没有预定义的类编号

聚类分析的数据挖掘功能 作为一个独立的工具来获得数据分布的情况

作为其他算法（如：特征和分类）的预处理步骤

聚类的“好坏”没有绝对标准

一、K-Means聚类

1. 算法原理

给定一个n个对象或元组的数据库，一个划分方法构建数据的k个划分，每个划分表示一个簇， k<=n，而且满足

1）每个组至少包含一个对象； 2）每个对象属于且仅属于一个组

划分时要求同一个聚类中的对象尽可能的接近或相关，不同聚类中的对象尽可能的原理或不同

一般，簇的表示有两种方法：

1）k-平均算法，由簇的平均值来代表整个簇；

2）k中心点算法，由处于簇的中心区域的某个值代表整个簇 

2. K-means算法