K-Means算法及代码实现

1.K-Means算法

  K-Means算法，也被称为K-平均或K-均值算法，是一种广泛使用的聚类算法。K-Means算法是聚焦于相似的无监督的算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类簇。之所以被称为K-Means是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。

2.聚类的概念

  聚类，则是给定的样本没有事先确定类别，根据自己需要，确定类别数量，再把样本归到不同的类别里面。也就是说，同样是垃圾分类的例子，你给一堆垃圾，我可以根据可回收、不可回收分为聚类为两堆；也可以根据可回收、不可回收、厨余垃圾聚类为三堆。而其中聚类为同一堆的条件，我们可以理解为垃圾间的相似程度。

3.k-means算法思想

1.从数据集中随机选取k个数据对象作为k个簇的初始聚类中心点，且每个数据对象对应于一个簇；
2.将剩余的数据对象根据其与各个簇中心点的距离，分别指派到离其距离最近的簇中；
3.更新每个簇的聚类中心（即重新计算各个簇内所有对象的平均值，重新分配各个数据对象）；
4.直到准则函数收敛或者聚类中心不再变化，否则转到step3。 

4. 代码实现

 

 

 

运行结果：

 

 

转载于:https://www.cnblogs.com/wukuanglin/p/11488042.html