文本聚类算法之k-means聚类

1、算法的原理：

2、算法的描述

3、算法的缺点：

（1）容易受到初始值的影响

（2）聚类的个数不知道，需要用户输入

（3）容易受到噪声点的影响

如何解决上面的三个问题？

（1）如何解决初始化中心点的问题？

（2）如何解决噪声、离群点的问题？

使用DBSAN算法进行噪声的过滤

（3）如何解决用户输入的问题？

首先使用层次聚类算法，看看大概需要几类，然后将类数传给k-means算法。

k-means聚类的过程：