Kmeans及其改进算法的Matlab解析与实现

Kmeans及其改进算法的Matlab解析与实现

前言

虽然之前断断续续看过部分模式识别与机器学习的知识，但是并不系统。加上读研过程中只专注于神经网络与深度学习，对于机器学习的宏观把握与其他算法细节比较模糊。某日看了某乎上诸路大神的回答，对自己的学习状态反思了一下，觉得只会深度学习的硕士毕业生（而且我觉得我的工作比起国外大学的深度学习研究简直就是搭积木。。。）比较难胜任算法工程师的，于是打算潜心钻研各路机器学习算法，通过编程实现以体会算法的内涵。几乎不做笔记的我也开始写博客，希望自己坚持下来，希望大家在机器学习的路上有所收获。

1 kmeans

1.1 原理

由于original kmeans 算法比较容易理解，这一点博客上各路大神讲得比较清楚，大概算法思路如下：

1. 从\nu个待分类数据（样本）选取K个数据作为质心，即所谓的means。
2. 对剩余样本文档测量其到每个质心的距离，并通过最短距离把它归到某一质心的类中。
3. 重新计算各个类中的质心。
4. 迭代2、3步直到新的质心与原质心相等或小于指定的阈值。

v=∑i=1k