一、KMeans聚类算法原理
KMeans算法的基本思想是物以类聚,人以群分。做法比较简单,初始化随机给定的
个簇中心,按照最邻近原则把样本分到各个簇中,然后计算每个簇的质心作为新的簇中心点,一直迭代,达到稳定的分类效果。
这里只需要计算每一个点,到每个聚类中心的距离,把这个点划分到最小距离的那个簇类中,很容易就完成了第一轮计算;然后,计算每个簇类所有点的坐标平均值,作为新的中心点。好,这就是完整的一轮,剩下的就是迭代计算了~
看了原理,就感觉KMeans真的很简单啊。从图中可以看到,这个
的取值,真的很灵性啊,如果没有选好,那么分类的效果就不准确了。比如分成2类,那么中间的黄色节点和蓝色节,可能一半划分到左边,一半划分到右边,所以,这种AI算法调参也是一个谜啊~
二、KMeans聚类算法实战
- 下载地址:github机器学习数据集
- 里面就6行,我扩充一下
数据分成2类,前三个是一类,后三个是一类~
import
本篇完~