kmeans,k值选择，初始点

打卡+坚持
今日语录：告别平庸，告别懒惰，告别拖延，告别借口

一、kmeans的原理：

kmeans是常用的聚类方法，主要思想是给定k个值和k个中心的情况下，把每个点分到离他最近的簇心得类中，所有点分配完毕以后，再重新计算中心点（取平均值），再进行分配，重复以上步骤，直到达到最大迭代次数或中心点得变化几乎很小得时候。
kmeans的算法很简单，但是k的选值和初始类簇中心点的选值很重要。

二、k的选值和中心点的选取

• 1.确定k个初始类簇中心点的方法是随机选择k个点作为初始的类簇中心点，但是该方法在有些情况下会比较差。

• 2.k个初始类簇的选取有两种方法：

• 1）选择彼此距离尽可能远的k个点。
  首先随机选择一个点作为第一个初始类簇中心点，然后选择距离该点最远的点作为第二个类初始簇中心点，然后再选择距离前两个点最远的点作为第三个初始类簇的中心点，以此类推，直至选出k个中心点。

• 2）先对数据用层次聚类算法，或canopy算法进行聚类，得到k个簇后，从每个簇中选择一个点，该点可以是该类簇的中心，或者是距离簇中心最近的点。
  常用的层次聚类算法有BIRCH和ROCK。这里主要介绍canopy算法：
  （1）.首先定义两个距离T1和T2，T1>T2.从初始的点的集合S中随机移除一个点P，然后对于还在S中的每个点I，计算该点I与点P的距离，如果