k均值聚类算法案例 r语言iris_机器学习算法之Kmeans

算法名称： K-means 算法的适用场景 ：无监督分类，目的是将数据划分为有意义或有用的簇，聚类算法的典型代表。

算法的基本逻辑：

(1)基本概念

簇：直观上来看簇就是一组一组聚集在一起的数据，簇中的对象是相似的。

质心：簇中所有数据的均值。

(2)核心任务

根据设定好的K，找出K个最优的质心，并将离这些质心最近的数据分别匹配到质心所代表的簇中去。

(3)操作步骤

第一步：选取初始质心：随机选取K个样本作为最初的质心，K的具体数字根据实际需求和经验决定；

第二步：生成簇：将样本逐个指派到与其最近的质心的分组，生成K个簇。常用欧式距离平方来判断距离的远近；

第三步：更新质心与簇：分别计算不同簇中样本点的平均值作为新的质心，并重新比较欧式距离平方，得到新的簇；

第四步：进行循环：再次计算质心，并生成簇，如果结果发生改变，则重复上一步；

第五步：得到结果：当迭代的质心不再发生变化，即每次新生成的簇一致时，迭代停止，聚类完成，得到聚类结果。

算法的优点：

(1)原理简单，容易实现；

(2)对于处理大数据