K-means

代价函数 

定义：即每个样本到它所属类的聚类中心的距离平方和再除以m：

本质就是为了代价函数最小从而推出的算法。

步骤

1.随机选择K个聚类中心（可以随机选择k个样本点作为聚类中心），离聚类中心近的样本点被归为一类 

公式表达：（i=1,2..m,Ci表示第i个样本所在的类的索引是多少）

聚类中心k的坐标记为：

 

2、计算各个类各自的均值点，然后把聚类中心移动到那里

3.重新根据聚类中心进行归类，离得近的归为一类，接着重复上面的步骤，最后停下来时计算代价函数。

4.由于可能出现局部最优的情况，所以需要开始第二次循环：再次随机初始化聚类中心，重复以上步骤，最终计算代价函数 。。。。。最后循环大约100次左右，选择代价函数最小的那一次的结果作为最终的结果。

 K值的确定

①肘部法则（elbow method）

画出代价函数随着K的变化曲线，曲线中像肘部的那个点就可以确定最佳的K值了，不过有时候不像肘部，就得换个方法了。

②根据实际需要

转载于:https://www.cnblogs.com/pjishu/p/10826420.html