k-means-课堂笔记

什么是K-means？

K-means是一种非监督学习，解决的是聚类的问题。

K代表的是K类，means代表的是中心，一般K-means主要的是思路分三步走：

1. 如何确定K类的中心点
2. 如何将其他点划分到K类中
3. 如何区分K-means与KNN？

K-means的工作原理

1. 选取K个点作为初始的类的中心，这些点一般都是从数据集随机抽取的
2. 将每个点分配到最近的类中心点，这样就形成了K个类，然后重新计算每个类的中心点
3. 重复第二步，直到类不发生变化，或者你也可以设置最大迭代次数，这样即使类中心点发生变化，但是只要达到迭代次数就会结束

总结

如何区分K-means和KNN这两种算法：

• 首先这两个算法解决数据挖掘的两类问题，K-means是聚类算法，KNN是分类算法

• 这两个算法分别是两种不同的学习方式，k-means是非监督学习，也就是不需要事先给出分类标签，而KNN是有监督学习，需要我们给出训练数据的分类标识

• 最后，K值的含义不同，K-means中的K值代表K类。KNN中的K值代表K个最接近的邻居