032.（8.17-8.18）K-Means 算法

应用

（也可用于分离不佳的簇）

原理

生成初始聚类中心后，进行内循环：

第一步：簇分配
第二步：移动聚类中心

如果存在一个没有点的聚类中心，常见做法是将它移除掉（K-1），也有重新随随机初始的做法。

代价函数

簇分配（对c）和移动聚类中心（对μ）的过程其实就是在最小化代价函数。

初始化聚类中心

随机样本法：

随机初始状态不同，最终收敛得到的结果可能会受影响。

局部最优问题

由前面提到的随机初始状态可以引出局部最优的情况。

改善方法：尝试多次初始化，以得到更好的局部最优解或全局最优解。

如果K过大，一般情况下多次初始化改善效果也不明显。

选取聚类数量

1.手肘法（缺陷也明显）：

2.根据下层目的来选择
（服务于后期/下游目的）

其他聚类算法