聚类dbi指数_聚类-K-Means

1.什么是K-Means？

K均值算法聚类

关键词：K个种子，均值

聚类的概念：一种无监督的学习，事先不知道类别，自动将相似的对象归到同一个簇中

K-Means算法是一种聚类分析(cluster analysis)的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法.

K-Means算法的思想很简单，对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大.

2.k-Means原理

每次计算距离采用的是欧式距离

步骤图：

步骤总结：

从数据中选择k个对象作为初始聚类中心;

计算每个聚类对象到聚类中心的距离来划分；

再次计算每个聚类中心

2~3步for循环，直到达到最大迭代次数，则停止，否则，继续操作。

确定最优的聚类中心

主要优点：

原理比较简单，实现也是很容易，收敛速度快。

聚类效果较优。

算法的可解释度比较强。

主要需要调参的参数仅仅是簇数k。

主要缺点：

K是事先给定的，这个K值的选定是非常难以估计的。很多时候，事先并不知道