【转】http://www.aboutyun.com/thread-18178-1-1.html
K-Means是聚类算法中的一种,其中,K表示类别数,Means表示均值。
K-Means是一种通过均值对数据点进行聚类的算法。
K-Means算法通过预先设定的K值及每个类别的初始质心对相似的数据点进行划分,并通过划分后的均值迭代优化获得最优的聚类结果。
(一)K值及初始质心
K值是聚类结果中类别的数量,即,我们希望将数据划分的类别数。K值决定了初始质心的数量。K值为几,就要有几个质心。选择最优K值没有固定的公式,需要人工指定,可以根据实际的业务需求,或通过层次聚类(Hierarchical Clustering)的方法获得数据的类别数量作为选择K值的参考。
注意:选择较大的K值可以降低数据的误差,但会增加过拟合的风险。