SAS 聚类分析—— K-均值聚类

K-均值方法，有时也叫劳埃德方法或 Lioyd-Forgy 方法。
K-均值聚类的核心思想是 为指定划分数目的最佳划分。
对于 n 个观测，每个观测是 m 维的实数向量，现在需要找到 k 个聚类 （其中 k <= n,即 n 个子集），使得每个类别分组内的方差最小化。

• K-均值聚类的基本步骤如下：

1.随机选取 k 个真实/或虚拟的数据点作为初始质心（即 选择 k 个样品作为初始凝聚点，或者将所有样品分成 k 个初始类，然后将这 k 个类的重心（均值）作为初始凝聚点）。初始质心的选择对聚类结果具有重要影响，因此如何科学选择这些初始质心很重要，一般选择彼此尽可能远的若干样本。

2.分配类别阶段：对所有的样品逐个归类，将每个样品归入凝聚点离这个样品最近的那个类（通常采用欧氏距离）。例如：计算第一个样品分别到第 k 个类（均值）的欧式距离，将第一个样品归到欧氏距离小的那一个类，如果第一个样品在归类之前就已经在这个类当中，就不需要重新分配（移动）。

3.更新质心阶段：通过第2步的归类步骤，有一个新的样品归入了那个类，所以要重新计算这 k 个类别的均值，这 k 类的凝聚点更新为这一类目前的均值，直至所有样品都归了类。例如：计算第二个样品到新的 k 个类的均值的距离，将第二个样品归类到距离小的那个类中去。

4.重复步骤2和步骤3，直至所有的样品都不能再分配为止。