K-means Clustering【K-means聚类算法

对于处理大量样本数据很有用，比如服装制造商针对顾客体型数据确定S,M,L号的相应尺寸。

例如取k=2，

第一步， 任意取两个样本数据点作为中心，计算坐标中的所有其他点到这两点的距离，离哪个中心更近就加入这个中心的类。最后得到两个类

第二步，分别计算两个类的所有点的平均横坐标和平均纵坐标，得到新的两个中心。

不断重复这两部，中心位置不断收敛，最后得到一个极值。

k-means正式定义如下：

Randomly  initialize K cluster centroids u1, u2,.....uk 属于有理实数

Repeat{

          //把点分类

           for i = 1 to m

                  c(i): = index(from 1 to K) of cluster centroid

                           closest to x(i)

           //计算新中心

           for k = 1 to K

                  uk: =average (mean) of points assigned to cluster k.

}

Reference: http://blog.csdn.net/jackie_zhu/article/details/9304507