k-means聚类算法

Posted 2020-09-03 超人汪小建(seaboat)

聚类

聚类主要内容是将样本进行归类，同种类别的样本放到一起，所有样本最终会形成K个簇，它属于无监督学习。

核心思想

根据给定的K值和K个初始质心将样本中每个点都分到距离最近的类簇中，当所有点分配完后根据每个类簇的所有点重新计算质心，一般是通过平均值计算，然后再将每个点分到距离最近的新类簇中，不断循环此操作，直到质心不再变化或达到一定的迭代次数。数学上可以证明k-means是收敛的。

伪代码

随机选择k个初始质心
while(true){
 计算每个点到最近距离的质心，归为该类。
 重新计算每个类的质心。
 if(质心与上一次质心一样or达到最大迭代次数)
   break;
}

缺点

1. 需要事先确定类簇的数量。
2. 质心的选取会影响最终的聚类结果。

代码实现