划分聚类算法：k-means原理

k-means原理

输入：k（簇的数目）、要进行分类的数据集D
输出：k个簇的集合
过程：
1）从D中以某种规则选择k个样本或者k个在值域范围内点作为初始簇的中心；
2）计算簇中心之外的每个样本和每个簇中心的距离，将样本归属于最近的簇；
3）计算簇内平均值，将均值作为簇的中心；
4）训练2和3，知道簇中心的变化小于一定的阈值或者即便簇中心变动，但是簇内样本不变动。
k-means的优缺点：
优点：
1）能够比较快速的收敛。
2）在大数据集上是相对可伸缩和有效的。
3）当无法计算均值时，可以通过定义一些簇中心（比如众数簇心）来改写算法。
缺点：
1）严重依赖于k值的确定。
2）不适合发现非球形簇或者大小差别非常大的簇。
3）对噪声和离群点非常的敏感。