K-Means聚类法

K-Means聚类法的原理和过程：

1、确定分组数

K-Mcans聚类法中的K就是分组数，也就是我们希望通过聚类后得到多少个组类。比如我有下面六个数据，想要将这些数据分成两类，那么K=2 。

2、随机选择K个值作为数据中心

这个数据中心的选择是完全随机的，也就是说怎么选择都无所谓，因为这里K=2，所以我们就以A和B两个为数据中心。

为了方便理解，我们可以制作一个散点图，将A、B作为数据中心。

3、计算其他数值与数据中心的“距离”

既然选择了数据中心，那么它们的周围一定会有很多相似数据，怎么判断这些数据与其是不是相似呢？

这里我们要引入欧氏距离的概念，通俗点说欧氏距离就是多维空间中各个点之间的绝对距离，表明两点之间的距离远近，其公式为：

如果是普通的二维数据，这个公式就直接变成了勾股定理，因此我们算出其他6个点距离A和B的距离，谁离得更近，谁与数据中心就是同一类。

所以，我们可以看出，C-H距离B的距离都比距离A更近，所以第一次分组为：

第一组：A
第二组：B、C、D、E、F、G、H
4、重新选择新的数据中心

得到了第一次分组的结果，我们再重复前两个步骤，重新选择每一组数据的数据中心。

第一组只有A，所以A仍然是数据中心；
第二组有7个数值，将这个7个数值的平均值作为新的数据中心，我们将其命名为P，计算平均坐标为（5.14 ，5.14）
5、再次计算其他数据与新数据中心的距离

还是直接计算勾股定理，计算出其他数据与A和P的欧氏距离，如下：

我们可以看出这里面有的距离A近，有的距离P近，于是第二次分组为：

第一组：A、B
第二组：C、D、E、F、G、H
6、再次重新选择数据中心

这里就是老规矩了，继续重复前面的操作，将每一组数据的平均值作为数据中心：

第一组有两个值，平均坐标为（0.5 ，1），这是第一个新的数据中心，命名为O
第二组有六个值，平均值为（5.8 ， 5.6），这是第二个新的数据中心，命名为Q
7、再次计算其他数据与新数据中心的距离

这时候我们发现，只有A与B距离O的距离更近，其他6个数据都距离Q更近，因此第三次分组为：

第一组：A、B
第二组：C、D、E、F、G、H
经过这次计算我们发现分组情况并没有变化，这就说明我们的计算收敛已经结束了，不需要继续进行分组了，最终数据成功按照相似性分成了两组。