原创地址：http://www.toutiao.com/i6399454239554273794/
聚类分析是一种静态数据分析方法，常被用于数据挖掘、机器学习、模式识别等领域，聚类是一种无监督式的学习方法。它是在未知样本类别的情况下，通过计算样本彼此间的距离（欧式距离,马式距离，汉明距离，余弦距离等）来估计样本所属类别。从结构性来划分，聚类方法分为自上而下和自下而上两种方法。聚类的算法有很多种，大约几十种，K-means算法是十大经典数据挖掘算法之一。
K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。它是一种自下而上的聚类方法。K-means算法最大的优点是好理解、简单、运行速度快，但只能应用于连续性的数据；缺点是聚类的结果与我们初始设置的中心点的选择有直接关系，并且需要我们自己提供聚类的数目，但是可以通过多次聚类取最佳的结果来设定初始的聚类数目，如果当我们不知道样本集将要聚成多少个类别的时候，那么这时候不适合用kmeans算法，推荐使用其他方法来聚类，如（hierarchical 或meanshift）。
K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果，大概就是这个意思，“物以类聚、人以群分”。具体流程如下：
-
首先输入一个k的值，此值是我们自己设定的，k表示将数据集经过聚类得到的分组个数。
-
从数据集中随机选择k个数据点作为初始中心点。
-
对集合中每一个数据点，分别计算与每一个初始中心点的距离，数据点离哪一个中心的越近，就归类此类。
-
通过均值等方法对聚成的类再进行新的中心点确定。
-
若新的中心点与原来的中心点之间的距离小于一个阈值（设置好的一个阈值），说明比较稳定，那么此聚类达到了我们的期望，算法结束。
-
如果新的中心点与原来的中心点之间的距离很大，那么需要迭代以上的3-5步骤。
3万+
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
