聚类-k均值（k-means）算法

聚类

聚类是指将数据集的样本划分为不同的子集，这些子集互不相交，且总和为整个数据集。

一个常用的距离

• 明可夫斯基距离（Minkowski distance）：是欧式距离（Euclidean distance）和曼哈顿距离（Manhattan distance） 的推广
  
• 欧式距离（p=2时）：
  
• 曼哈顿距离（p=1时）：
  

k均值算法

用了欧式距离，通过优化迭代求近似解，算法如下：

首先在数据集中随机抽取k个值作为初始均值，然后定义k个空列表用来盛放后面分好类的数据。用欧式距离考察每个向量与每个均值的距离，与哪个均值最接近就划分到哪个类中。当遍历完所有的向量后，得到一组分好的类。这时计算此时的各类的均值向量，再次重复距离考察，不断重复这个过程，直至均值向量不再更新，便认为最终分好了类别。但k-means对初值敏感，不同的初值会得到不同的结果。
实现代码：https://github.com/ethan-sui/k-means （代码很傻，仅仅实现，后期有时间会改）