python分类算法论文_一种基于Python的K-means聚类算法分析

算法分析

数字技术

与应用

118

聚类是数据挖掘技术中一个非常重要的分支,它是在没有任何

先验知识的前提下,从海量数据中提取出有价值的、

未知的数据。

实

现满足要求的簇的集合。

1 聚类分析研究现状

聚类分析是一个将数据集划分成若干个子集的过程,并使同一

集合内的数据对象具有较高的相似度,而不同集合中的数据对象不

相似。

国内外对聚类分析的研究已经有很多年,学者们研究的主要

内容是基于距离的聚类分析,K-Medoids算法、

K-Means算法以及

其他的聚类算法的挖掘工具在众多的统计软件或者系统中得到广

泛的应用。

1967年,MacQueen首次提出K均值聚类算法(K-means算法)。

迄今为止,很多聚类任务都选择该经典算法。

该算法的核心思想是

找出K个聚类中心

1

c

、

2

c

,…,

k

c

,使得每一个数据点

i

x

和与其最近的

聚类中心

v

c

的平方距离和被最小化。

1998年,Huang为克服K-Means算法仅适合于数值属性数据聚

类的局限性,提出了一种适合分类属性数据聚类的K-Modes算法,

该算法对K-Means算法进行了3点扩展:引入了处理分类对象的新

的相异性度量方法,使用modes代替means,并在聚类过程中使用基

于频度的方法修正modes,以使聚类代价函数值最小。

2002年,Sun等人将B