本文介绍了k-means聚类算法，包括聚类和分类的区别、k-means的工作原理、算法流程、代码实现、聚类质量评估以及对局部最小值问题的解决方案——二分k-均值算法。通过对SSE的分析，展示了如何优化聚类效果。
1. 分类和聚类
分类的目标事先已知，聚类产生的结果和分类一样，但是其类别没有预先定义。聚类是无监督的，无监督学习没有训练过程。
聚类分析就是将相似对象归入同一簇，不相似对象分到不同簇。相似取决于所选择的相似度计算方法，算法性能将会受到相似度计算方法的影响。
2. k-均值聚类算法
（1）定义
k-means是发现给定数据集的k个簇的算法。簇个数k用户指定，每一个簇通过其质心即簇中所有点的中心来描述。
（2）工作过程
创建k个点作为起始质心（一般是随机选择或者也可以从数据集中随机选择k个样本）
当任意一个点的簇分配结果发生改变时
对数据集中的每个点
对每个质心
计算质心与该数据点之间的距离
将该数据点的簇更新为距离最小的簇
对每个簇，通过计算簇中所有数据点的均值来更新簇的质心
（3）实现代码
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
