K-means算法的基本过程

K-means算法的基本过程

K-means算法是无监督学习中的聚类算法，具体其实是一个迭代算法。

基本过程是：

1. 随机给定聚类中心，进行簇随机分配
2. 移动聚类中心
3. 循环1和2

其实就是在平面或者空间中将一些点进行分类，比如要分成两类，随机在平面或空间中放两个点，哪些点离这两个点更近，哪些点就被分配到这两个点中的一个，然后把这两个点分别移到刚刚分配好的点集的均值中心位置，此时再根据距离近的规则再分配一次，然后再移动，不断迭代这个过程，直至收敛。

话不多说，直接看图：

1. 先随机分类
2. 根据距离远近进行簇分配
3. 根据分配后的点集计算出该点集的位置中心，并将两个聚类点分别移到中心位置
4. 移动完成之后，根据距离进行簇分配
5. 分配完之后，移动到点集中心位置
6. 再重新进行簇分配
7. 再移动聚类中心
   这时候你想再重复上述步骤，会发现移动的距离会慢慢收敛，直至为0，即一直处在了点集的中心位置，那么此时聚类就已经完成了。