聚类结果不好怎么办_聚类算法

k-means原理

给定的样本，按照样本距离的大小，将样本划分为k个簇，让簇内的点尽可能紧密的连在一起，簇间的的距离尽可能的大

假设簇的划分为（C1,C2.....CK）。目标最小化的平方误差E

其中ui是簇Ci的均值向量。质心

算法流程

• K值的选取，交叉验证
• 初始化质心。对最后的聚类结果影响比较大。质心不能太近

1. 从样本中选出k个初始的质心向量
2. 计算周围样本点到质心的聚类。将距离较小额度覅归入所对应的类别。
3. 重新计算各个簇的质心
4. 回到2
5. 知道达到最大的迭代次数或者K个质心的向量都没有发生变化，最后输出簇的划分结果

优化

• K-Means++ 。首先选取一个点。计算样本点和该点的距离，选取最大作为第二个聚类中心。依次2迭代，直到选出K个聚类中心点
• elkan K-means 。根据三角形的性质，优化距离的计算
• 大样本优化Mini Batch K-Means 用小样本做K-means。解决样本量大的问题。采用不同的随机采样得到聚类簇，选择其中最优的聚类簇

优点

• 原理简单、实现容易、收敛速度快
• 聚类效果良好
• 算法的解释性强
• 调参的簇数K

缺点

• K值的选取不好把握
• 难收敛
• 数据不均横、异常点影响大
• 迭代，局部最优

参数调节