fft算法的基本思路和步骤_「AI科技」机器学习算法之K-means算法原理及缺点改进思路...

K-means算法是使用得最为广泛的一个算法，本文将介绍K-means 聚类算法、原理、特点及改进思路。

K-means聚类算法简介

K-means 聚类算法，是基于距离的一种无监督式的学习算法。在1967年首次由MacQueen提出，常用于模式识别和数据挖掘中，其目的是对一组数据进行几何等价划分进行分类。

K-means算法是使用得最为广泛的一个算法，其应用场景遍及医学、经济学、行为学、决策科学等领域。算法以样本均值(质心)代表该类，定义简单具有清晰明了的几何和统计意义。

K-means聚类算法原理

算法的基本思路：

1. 从 一组数据对象随机选择 m 个对象作为初始聚类中心；
2. 根据每个聚类数据对象的均值(质心)，计算每个数据对象与这些质心的距离；并根据最小距离重新对相应数据对象进行划分；
3. 重新计算每个(有变化)聚类的均值(质心)；
4. 计算标准测度函数，当满足函数收敛时，则算法终止；如果条件不满足则回到步骤2

算法的工作流程