【机器学习】10.K-means算法

1.归类：

    聚类属于非监督学习

    无类别标记

2.举例

                                                                

3.K-means算法

    3.1 Clustering中的经典算法，数据挖掘十大经典算法之一

    3.2 算法接受参数k，然后将事先输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高，而不同聚类中的对象相似度较小。

    3.3 算法思想：

        以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直到得到最好的聚类结果。

    3.4 算法描述：

        （1）适当选择c个类的初始中心；

        （2）在第k次迭代中，对任意一个样本，求其到c各中心的距离，将该样本归到距离最短的中心所在的类；

        （3）利用均值等方法更新该类的中心值

        （4）对于所有的c个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变，则迭代结束。否则继续迭代。

    3.5 算法流程：

        输入：k，data[n]

            （1）选择k个初始中心点，例如c[0]=data[0],...c[k-1]=data[k-1];

            （2）对于data[0],....,data[n],分别与c[0]...c[k-1]比较，假定与c[i]差值最少，就标记为i；