机器学习中的聚类算法（2）：Mean Shift算法

引言：

Mean Shift算法与之前的K-means算法是有共同点的。

1、Mean Shift算法原理

1.1核心思想：

他是一个基于密度的算法。里面有一个值叫半径。需要计算一个漂移向量。刚开始也是随机选取的一个点。

第1步：随机先选取一个质心，也就是聚类的质心A，这个质心选择好之后，会有一个半径r（半径一般是默认好的），此时以A为圆心，r为半径画一个圆圈，之后计算A与圆圈内的点所组成向量的一个距离（通过欧式距离来计算），计算完之后会把这些向量的值全部加在一起（加和之后不是像K-means一样求均值），加在一起之后他会把它当做下一次这个质心移动的一个方向；

第2步：比如说加在一起之后质心移动到了B点，此时就会以B点为圆心，以r为半径再画一个圆，就会再次计算这个质心B和圆圈里边(即圆圈以内的所有点)所有点的距离，计算出来之后把所有的向量做一个相加操作，相加之后，他移动的距离其实就是所有向量加起来后的总向量的一个距离，即就是总向量和的模（移动的距离就是这个总向量和的模，方向就是这个总向量和的方向）；

第3步：按照这样不断的计算这个质心就会不断的进行移动，最终他会到达这个数据密度最大的一个地方，假设F点使我们最终的一个质心。

最终他会分类成好几组，这个是依据算法自动去计算，给你