目录
KMeans介绍
KMeans算法属于非监督学习学习方式,KMeans++算法主要解决初始点选择问题
算法思想
以空间中k个点为中心进行聚类,对最靠近他们的对象归类。通过迭代的方法,逐次更新各聚类中心的值,直至得到最好的聚类结果
KMeans算法迭代停止条件
1.迭代次数
2.簇中心变化率
3.最小平方误差MSE
KMeans算法具体步骤
-
随机设置K个特征空间内的点作为初始的聚类中心
-
对于其他每个点计算到K个中心的距离,未知的点选择最近的一个聚类中心点作为标记类别
-
接着对着标记的聚类中心之后,重新计算出每个聚类的新中心点(平均值)
-
如果计算得出的新中心点与原中心点一样(质心不再移动),那么结束,否则重新进行第二步过程