8.1 聚类(Clustering) K-means算法

1. 归类：
   聚类(clustering) 属于非监督学习 (unsupervised learning)
   无类别标记(class label)

2. 举例：
   

3. K-means 算法：

   3.1 Clustering 中的经典算法，数据挖掘十大经典算法之一
   3.2 算法接受参数 k ；然后将事先输入的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。
   3.3 算法思想：
   以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心
   的值，直至得到最好的聚类结果
   3.4 算法描述：

     （1）适当选择c个类的初始中心；
     （2）在第k次迭代中，对任意一个样本，求其到c各中心的距离，将该样本归到距离最短的中心所在     
             的类；
     （3）利用均值等方法更新该类的中心值；
     （4）对于所有的c个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变，则迭代结束，
              否则继续迭代。
   

   3.5 算法流程：
   
   输入：k, data[n];
   （1） 选择k个初始中心点，例如c[0]=data[0],…c[k-1]=data[k-1];
   （2） 对于data[0]….data[n], 分别与c[0]…c[k-1]比较，假定与c[i]差值最少，就标记为i;
   （3） 对于所有标记为i点，重新计算c[i]={ 所有标记为i的data[j]之和}/标记为i的个数；
   （4） 重复(2)(3),直到所有c[i]值的变化小于给定阈值。

4. 举例：
   

   

   

   

   

   

   

   

   

      停止
   

   
   优点：速度快，简单
   缺点：最终结果跟初始点选择相关，容易陷入局部最优，需直到k值