【计算智能】k_means算法

关于k_means算法的初步理解

一、什么是k_means算法。

k_means算法简单理解就是输入聚类值k，然后利用各个数据的均值将其分类成k个聚类。

二、k_means算法的相关名词概念。

• k值：初始质心的个数，即能分为几个簇群。
• 质心：均值，取相应簇群中所有点位置的均值。
• 无监督学习：机器处理未被标记的样本集。k_means算法属于无监督学习的一类。

三、k_means算法的简单实现过程。

• 实现该算法的简单思路：
  选质心，更新质心，不断迭代。
• 实现该算法的具体过程：
  1.先输入k值
  2.读取文件中的各个点坐标
  3.随机出k个质心的初始位置，先定义k个空数组
  4.计算各个点分别到k个质心的距离，比较求出距离其最短的质心，将其归入这个质心的数组群中
  5.在根据数组中各个点的距离均值，重新定义每个簇中的质心
  6.不断迭代4,5步，直至质心不再变化，结束迭代
  7.完成迭代，输出k个簇的各个点。
• 简单模拟

模拟图：链接: https://www.naftaliharris.com/blog/visualizing-k-means-clustering/.
1.分类较为明显的数据集（每次的分类都能基本固定）