kmeans设置中心_Kmeans 聚类算法

什么是聚类

聚类可以将相似的样本归到同一簇中，是无监督学习中最常见的问题。聚类的结果是，簇内的对象越相似，聚类的效果就越好。一个簇的意思就是一个类别。

以人学习习题为例，仔细观察习题，就会发现高频出现运算符号的题目是数学题，高频出现英文字母的题目是英语题。如下图，这种将相似样本归到同一簇中的过程，并不依赖标准答案，这就是聚类。

聚类算法中，最经典的就是Kmeans 聚类了，也叫作 K 均值聚类，是最常用的聚类算法。

Kmeans 算法中的 K 表示的是，将样本聚为 K 个簇；Means 代表取每一个聚类中数据值的均值作为该簇的中心，或者称为质心。Kmeans 聚类算法，可以将输入数据聚合成 K 个簇并输出。

Kmeans 聚类算法

Kmeans聚类算法输入的内容包括，聚类目标 K 值和样本的集合。

执行算法的第一步是初始化。通常采用的策略是，在特征空间中，随机选 K 个点作为初始的质心。

第二步是归类和更新。具体来说，归类是对数据集中每个点而言，计算其与每个质点之间的距离，并将数据点分配到距离最近的质点所在的簇。更新是对每一个簇而言，计算簇中所有点的均值，并将均值作为新的质心替换掉原来的质心。

之后呢，就需要重复执行归类和更新的操作，直到某些停止条件满足。

Kmeans 算法的停止条件通常有以下 4 个，一般任意满足一点即可停止算法的主流程：

1）预先设置好迭代的轮数，一旦超过了迭代的最大轮数则停止迭代；

2）在某次循环中，没有数据点被重新分配到其他的簇，也就是算法已经收敛，则算法结束迭代；

3）某次循环，质心的位置没有发生改变，也是算法发生了收敛，则算法结束迭代；

4）某次循环，均方误差 SSE 递减的增量，小于预先设置的某个阈值，也就是这一次的迭代对聚类结果影响非常小，算法已经趋近于收敛，则算法结束迭代。SSE 的计算公式如下：

其中，K 表示 K 个簇，Cj 为簇 j 内数据样本的集合，mj 表示 Cj 簇的质心。这个公式的意思是，对每个簇计算每个数据点与其所归属的质心的距离平方和，再将所有簇的结果求和。随着 Km