8.1 聚类（Clustering）:K-means算法

1.归类：

   聚类（clustering）属于非监督学习（unsupervised learning）

   无类别标记（class lable）

2.举例：

3.K-means 算法：

   3.1 Clustering中的经典算法，数据挖掘十大经典算法之一。

   3.2 算法接受参数K，然后将事先输入的n个对象划分为k个聚类使得所获得的聚类满足：同一聚类中的相似度较高，不同聚类中的对象相似度较小。

   3.3 算法思想：

          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。

   3.4 算法描述：

        （1）适当选择C个类的初始中心；

        （2）在第k次迭代中，对任意一个样本，求其到各中心的距离，将该样本归到距离最短的中心所在的类；

        （3）利用均值等方法更新该类的中心值；

        （4）对于所有的c个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变，则迭代结束，否则继续迭代。

3.5 算法流程：

         输入：k，data[n];

         (1) 选择k个初始中心点，例如c[0]= data[0]......c[k - 1] = data[k - 1];

         (2) 对于data[0].....data[n - 1],分别与c[0]......c[k - 1]比较，假定与c[i]差值最小，就标记为i;

         (3) 对于所有标记为i的点，重新计算c[i]={所有标记为i的data[i]之和}/标记为i的个数；

         (4) 重复（2）（3），直到所有c[i]值的变化小于给定阈值。

4.举例：

    停止

   优点：速度快、简单

   缺点：最终结果跟初始点的选择有关，容易陷入局部最优，需知道k值