k-means思路与算法流程

k-means思路：

K-Means算法的特点是类别的个数是人为给定的，如果让机器自己去找类别的个数，我们有AP聚类算法，先不说，说了就跑题了。
K-Means的一个重要的假设是：数据之间的相似度可以使用欧氏距离度量，如果不能使用欧氏距离度量，要先把数据转换到能用欧氏距离度量，这一点很重要。
（注：可以使用欧氏距离度量的意思就是欧氏距离越小，两个数据相似度越高）
K-Means算法有个很著名的解释，就是牧师-村民模型，这也是K-Means算法的一个过程。

算法流程：

步骤：（白话）

1、随机生成k个聚类中心点（真心随机生成，因为无所谓~但是尽量不要生成在一起）
2、而后分别计算每一个数据点对这些中心的距离，把距离最短的那个当成自己的类别，或者中心点。
3、这样每个点都会有一个中心点了，这是随机生成的中心点的结果，可以看到聚类的并不准确：
4、这个时候，身为中心点，觉得自己不能离群众这么遥远，他要到群众中去，这样可以收复那些绿颜色的点，像这样：

那么他怎么知道移动到哪里呢？
当然是往群众的中心移动啦！所有的属于蓝色类的点的中心，或者说坐标的平均值，就是蓝色小圆圈要去的地方，于是他收获了更多的群众：绿色的点也往群众的中心移动，但是却少了一批数据跟随他，不过没关系，反正这些变蓝的点和现在自己所在的绿色大本营的格调（欧氏坐标）格格不入（距离太远）。
于是仅仅2步，情况就成了这样：5、蓝色的中心点又试着微调了几次，绿色和红色的也一样，微调之后发现自己不需要动了，自己的群众基础已经稳定了，乱动可能脱离群众，众叛亲离，所以这个时候算法就收敛了。

步骤（正式说法）：

1、首先随机选取样本中的K个点作为聚类中心；
2、分别算出样本中其他样本距离这K个聚类中心的距离，并把这些样本分别作为自己最近的那个聚类中心的类别；
3、对上述分类完的样本再进行每个类别求平均，求解出新的聚类中心；
4、与前一次计算得到的K个聚类中心比较，如果聚类中心发生变化，转过程b，否则转过程e；
5、当质心不发生变化时，停止并输出聚类结果。