K-means算法

参考资料：K-means算法

一、步骤

K-means算法是一种迭代算法，它的工作是簇分类+移动聚类中心
每次内循环的第一步是簇分类
内循环的第二步是移动聚类中心
具体过程如下：
step1：
随机生成两点，也就是图上的这两个×，我们把它称为聚类中心

选取两个点的原因是我想把数据分成两类

step2：簇分类
遍历每个绿点，看它里红叉更近还是离蓝叉更近，离哪个更近就把绿点染成什么色

step3：移动聚类中心
经过一次完整过得簇分类后，我们把红叉移动到所有红点的中心，蓝叉移动到所有蓝点的中心，然后回到step2，一直重复，直到聚类中心不再移动为止

二、算法

K为我们想要的聚类总数，x⁽ⁱ⁾为样本点，为n维向量

这个μ_k是点的位置

1.随机初始化聚类中心,得到c⁽¹⁾，c⁽²⁾，…，c^(k)
2.repeat{
for x⁽¹⁾ to x^(m)：find c^(j)=the most closest to x⁽ⁱ⁾ //找索引
for c⁽¹⁾ to c^(k)：move c⁽ⁱ⁾ to average of points assigned to cluster k //更新点的位置
}