本文详细介绍了K-means聚类算法的流程，包括初始簇中心的选择、迭代过程以及停止条件。同时，讨论了K-means的两个主要缺点：K值选择的困难和初始化敏感性，并提出了肘方法、K-means++和Kmeans || 作为解决方案。此外，还介绍了K值选取的评估方法——肘方法和轮廓系数法，并提到了其他聚类算法如DBSCAN、层次聚类和基于图的聚类。
【算法流程】
(1) 设有N个观测样本，要求聚为K类，从N个观测样本中随机选择K个点做为K个簇的初始化中心点。
(2) N个观测样本中，每个样本分别与簇中心点计算距离，将距离最小的值，归类到对应类的簇中心集合里。
(3) 现在每一个簇中有若干个观测样本，计算K个簇中所有样本点的均值，作为第二次迭代K个簇的中心点。
(4) 重复步骤2和3，迭代直到停止(停止条件：簇中心点不再改变或者达到指定的迭代次数)。
【K-means缺点】
(1) 簇个数(K值)的选择很麻烦，因为是无标签数据，并不知道聚成多少个类别才合适。
解决方案：肘方法 或 轮廓系数法。
(2) 不同的初始化聚类中心会导致完全不同的结果，会出现算法收敛变慢和聚类出错的情况。
解决方案：K-means++ 或 Kmeans || （可在大规模数据集上使用）。
【K-means++ 初始化簇中心步骤】
(1) 从所有样本中随机选取一个样本作为第一个簇中心。
(2) 计算所有样
最低0.47元/天 解锁文章
228
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
