KMeans算法初识

认识KMeans

KMeans是聚类算法，属于无监督学习，在不知数据所属类别及数据量的情况下，依据数据自身所含的特点对数据进行聚类，

实现步骤

==1.==首先确定一个K值，即我们希望将数据集，一般为数据量的平方根，
2. 从数据集中随机选择k个数据点作为质心。
3. 对数据集中的每个点计算其与每个执行的距离（如欧式距离），离哪个质心越近，就将其划分到质心所属的集合

4. 将所有的数据集归好集合，一共有k个集合，然后重新计算每个集合的质心
5. 如果计算出来的质心和原来的质心距离小于某个设置的阈值（表示重新计算的质心的位置变化不大，趋于稳定，或者说收敛），我们认为聚类已经达到期望结果，算法终止
6. 如果新质心和原质心距离变化很大，则迭代3~5步

KMeans术语

簇：所有数据的点集合，簇中的对象是相似的
质心：簇中所有点的中心（计算所有点的中心）

KMeans优缺点

优点：
①：原理简单，实现容易，收敛速度快
②：当结果簇是密集的，而簇与簇之间区别明显时，他的效果好
③:主要需要调节的参数仅仅时簇数k
缺点：
①：K值需要预先给定，很多情况下K值是很难估计的
②：对于初始选取的质心是敏感的，不同的随机种子得到的聚类结果完全不同，对结果影响大
③：对噪音和异常点比较敏感，用来检测异常值
④：采用迭代的方法，可能只能得到局部的最优解，而无法得到全局的最优解