K-Means 简记

一、K-Means

现上一张图：

1.先说一下K-means的流程

1. 随机选择K个点作为聚类中心。
2. 对数据集中每一个点，计算其与每一个质心的距离（如欧式距离），离哪个质心近，就划分到那个质心所属的集合。
3. 重新计算K个聚类簇的每个聚类中心
4. 重复2-3步骤
5. 截至条件为:当K个聚类中心不再变化，或者达到一定的迭代次数。

2.优化部分

1.我们在选择中心点的时候，尽量要选择数据中的点，减少我们迭代的次数，比如像图1

2.我们可以多试验几次K-means，然后选择最低的J，损失函数

3.K值的确定

对于K值的确定，可以认为的指定，也可以使用肘部选择法。

参考链接