Kmeans算法原理

一：原理

K-Means 聚类算法的大致意思就是“物以类聚，人以群分”

（1）首先输入 k 的值，即我们指定希望通过聚类得到 k 个分组；

（2）从数据集中随机选取 k 个数据点作为初始大佬（质心）；

（3）对集合中每一个小弟，计算与每一个大佬的距离，离哪个大佬距离近，就跟定哪个大佬。

（4）这时每一个大佬手下都聚集了一票小弟，这时候召开选举大会，每一群选出新的大佬（即通过算法选出新的质心，这里说的算法可以为求每一群的平均值）。

（5）如果新大佬和老大佬之间的距离小于某一个设置的阈值（表示重新计算的质心的位置变化不大，趋于稳定，或者说收敛），可以认为我们进行的聚类已经达到期望的结果，算法终止。

（6）如果新大佬和老大佬距离变化很大，需要迭代3~5步骤。

二：改进Kmeans

站在业务的角度改进Kmeans，会大大提升聚类的效果。以下为改进Kmeans算法步骤，主要针对聚两类的情况

（1）收集正面或反面数据，即二分类的任意一面数据

（2）将收集到的特征数据按需分为需要的n类

（3）通过正面或反面数据中的一种编写Kmeans模型，此时K值为n，我们这里取反面

（4）经过以上步骤就会选取到n个质心，也就是n个簇心点

（5）计算每个簇中，最远的点到簇心的距离，以这个距离为半径画圆，此时就会得到n个圆

（6）模型验证，输入验证数据，计算验证数据是否在n个圆圈中的一个，如果在，则输入数据和模型数据中的数据类型一致，我们这里为反面数据，如果不在，则为正面数据