[算法理解]k-means algorithm

---

前言

算法名：k-means algorithm
本文作者：XMU_MIAO
日期：2020/11/12

一、k-means算法介绍

  k-means算法是一种无监督聚类算法，其应用广泛。首先根据要划分的类数$k$随机选择$k$个样本作为均值向量（每个均值向量代表了一个类别），而后计算每一个样本点与这些均值向量的距离，并根据最近的均值向量将样本点进行归类，再将均值向量更新并循环上述步骤，直到均值向量不再更新，则算法停止。 具体的算法流程详见第二部分，在第三部分将用python实现该算法，数据集来自西瓜书P202，并将结果绘图展示。

二、算法流程（引自西瓜书）

$步骤$	$算法过程$
0	输入：   算 法 输 入 为 样 本 集 D = { x 1 , x 2 , . . . , x m } , 聚 类 簇 数 k   \textbf{输入：}\,算法输入为样本集D=\{x_1,x_2,...,x_m \},聚类簇数k\, 输入：算法输入为样本集D={ x1​,x2​,...,xm​},聚类簇数k
1	从 D 中 随 机 选 择 k 个 样 本 作 为 初 始 均 值 向 量 { μ 1 , μ 2 , . . . , μ k } 从D中随机选择k个样本作为初始均值向量\{\mu_1,\mu_2,...,\mu_k\} 从D中随机选择k个样本作为初始均值向量{ μ1​,μ2​,...,μk​}
2	$\text{repeat}$
3	$令C_i=\varnothing (1\le i\le k)$
4	$\text{for}j=1,2,...,m\text{do}$
5	$计算样本x_j$