聚类算法原理

算法流程：

1，选择聚类的个数K.

2,任意产生K个聚类，然后确定聚类中心，或者直接生成K个中心。

3，对每个点确定其聚类新中心。

4，再计算其聚类新中心。

5.重复以上步骤直到满足收敛要求。（通常就是确定的中心点不再改变。）

K-means:
事先确定常数K,常数K意味着最终的聚类类别数，首先随机选定初始点为质心，并通过计算每一个样本与质心之间的相似度（这里为欧式距离），将样本点归到最相似的类中，接着，重新计算每个类别的质心（极为类中心），重复这样的过程，直到质心不再改变，最终就确定 了每个样本所属的类别以及每个类的质心。由于每次都要计算所有的样本与每一个质心之间的相似度，故在大规模的数据集上，K-means算法的收敛速度比较慢。