Kmeans Clustering（K-means聚类）

Kmeans Clustering

Kmeans算法是将一些杂乱无章的数，分为若干个类的一种聚类方法

实现原理：(借助网上的一张截图)

算法步骤：（k表示聚类中心的个数，上图为3）

　　（1）随机选取任意k个对象作为初始聚类中心，初始代表一个簇；

　　（2）计算点到质心的距离，并把它归到最近的质心的类；

　　（3）重新计算已经得到的各个类的质心；

　　（4）迭代2~3步直至新的质心与原质心相等或小于指定阈值，算法结束。

K-means算法的优缺点：

1.效果好，不易受初始值得影响

2.不能处理非球形的簇

3.不能处理不同尺寸，不同密度的簇

4.容易受孤立点的影响（需要我们人为干预，进行剔除）

常用的距离算法：

1.欧几里得距离

2.余弦相似度