聚类算法总结 划分法，层次聚类，基于网格，基于密度，谱聚类，基于模型，模糊聚类

划分法：

K-means:随机选择k个类的初始中心，对每一个样本都求解到k个中心点的距离，将它归类到距离最短的中心所在的类别。通过计算与类别内样本平均距离最小的点作为新的中心点。直到类别的聚类中心点不发生变化

算法的时间复杂度是O(nkt),n是所有对象的数目，k是簇的数目，t是迭代的次数，这个算法是局部收敛的。

它找到的是使平方误差函数值最小的k个划分，当簇是密集的，球状的时候，聚类效果比较好。

特点：当噪声点比较多的时候，会对均值产生极大影响。需要事先确定k，会随机选择初始点为质心，计算每一个样本与质心之间的相似度j

K-medoids:

K中心点与K均值的不同点在于中心点的选取，在 k-means 中，将中心点取为当前 cluster 中所有数据点的平均值，在 k-medoids 中，将中心点的选取限制在当前 cluster 所包含的数据点的集合中。换句话说，在 k-medoids 算法中，我们将从当前 cluster 中选取这样一个点——它到其他所有（当前 cluster 中的）点的距离之和最小——作为中心点。

K中心点特点：

不容易受到那些由于误差之类的原因产生的脏数据的影响，一般只适合小数据量。

层次聚类

凝聚和分裂采用自下而上和自上而下策略把对象组织到层次结构，

凝聚方法从每个对象作为一个集合开始，迭代的合并这些集合，形成更大的集合。与此相反，分裂方法开始将所有给定的对象放入同一个集合中，迭代的分裂集合，形成较小的集合。

如果需要，计算邻近度矩阵

（2）Repeat

（3）合并最接近的两个簇

（4）更新邻近度矩阵，以反映新的簇与原来的簇之间的邻近性

（5）Until 仅剩下一个簇

邻近性度量：
（1）单链（MIN）：邻近度定义为两个簇中任意两点之间的最短距离。擅长处理非椭圆形状的簇，对噪声和离群点很敏感。
（2）全链（团，MAX）：邻近度定义为两个簇中任意两点之间的最长距离。
偏好球形簇，对噪声和离群点不太敏感，可能使大的簇破裂。
（3）组平均：两个簇的邻近度定义为不同簇的所有点对邻近度的平均值。是介于单链和全链之间的折中方法。