K-means算法理解

——什么是K-means算法

K-means算法是一种无监督的聚类算法。

无监督：在数据分类的过程中，数据没有标签就是无监督。

聚类：聚类就是根据相似性原则，将具有较高相似度的数据对象划分至同一类簇，将具有较高相异度的数据对象划分至不同类簇。

K-means算法中，k是类簇，means就是各类簇中的数据对象的均值。K-means算法以距离作为数据对象间相似性度量的标准，分为k个簇，使得簇内的点尽量紧密的连在一起，簇间的距离尽量大。即数据对象之间的距离越小，则它们的相似性越高，越有可能在同一个类簇。

——算法流程

输入：输入数据集 D={x1,x2,...xm},聚类的簇树K,最大迭代次数N

输出：簇类的划分结果 C={C1,C2,...Ck}

        1）从数据集D中 随机选择k个样本作为初始的k个质心向量：{μ1,μ2,...μk}

        2）

            a) 将簇初始化为Ct,(t=1,2,...k)

            b) 对于i=1,2...m,计算样本xi和各个质心向量 μj(j=1,2,...k)的距离 dij,将距离最小的xi标记为dij所对应的类别λi，

此时更新

           c) 对于j=1,2,...,k,对Cj中所有的样本点重新计算新的质心

           d) 如果所有的k个质心向量都没有发生变化，则转到步骤3

 

       3)  输出簇划分

 

划分过程如下图所示：

本文参考博客：https://www.cnblogs.com/pinard/p/6164214.html