1.Kmeans算法
1.1算法思想
kmeans算法又名k均值算法，是一个重复移动类中心点的过程，把类的中心点，也称重心(centroids)，移动到其包含成员的平均位置，然后重新划分其内部成员。k是算法计算出的超参数，表示类的数量；Kmeans可以自动分配样本到不同的类，但是不能决定究竟要分几个类。k必须是一个比训练集样本数小的正整数。有时，类的数量是由问题内容指定的。其算法思想总结为：先从样本集中随机选取 k 个样本作为簇中心，并计算所有样本与这 k 个“簇中心”的距离，对于每一个样本，将其划分到与其距离最近的“簇中心”所在的簇中，对于新的簇计算各个簇的新的“簇中心”。
根据以上描述，我们可以知道实现kmeans算法的要点：
（1）簇个数 k 的选择，一般是按照实际需求进行决定，或在实现算法时直接给定 kk 值。
（2）各个样本点到“簇中心”的距离
给定样本 x(i)={x(i)1,x(i)2,,...,x(i)n,}与x(j)={x(j)1,x(j)2,,...,x(j)n,}，其中i,j=1,2,...,m，表示样本数，n表示特征数x(i)={x1(i),x2(i),,...,xn(i),}与x(j)={x1(j),x2(j),,...,xn(j),}，其中i,j=1,2,...,m，表示样本数，n表示特 征数 。本文数据集为连续属性，因此代码中主要以欧式距离进行距离的度量计算
（3）根据新划分的簇，更新“簇中心”
1.2算法步骤
输入：训练数据集 D=x(1),x(2),...,x(m)D=x(1),x(2),...,x(m) ,聚类簇数 k ;
过程：函数 kMeans(D,k,maxIter)kMeans(D,k,maxIter) .
1：从 D 中随机选择 kk 个样本作为初始“簇中心”向量： μ(1),μ(2),...,,μ(k)μ(1),μ(2),...,,μ(k) :
2：repeat
3： 令 Ci=∅(1≤i≤k)Ci=∅(1≤i≤k)
4： for j=1,2,...,mj=1,2,...,m do
5： 计算样本 x(j)x(j) 与各“簇中心”向量 μ(i)(1≤i≤k)μ(i)(1≤i≤k) 的欧式距离
6： 根据距离最近的“簇中心”向量确定 x(j)x(j) 的簇标记： λj=argmini∈{1,2,...,k}djiλj=argmini∈{1,2,...,k}dji
7： 将样本 x(j)x(j) 划入相应的簇： Cλj=Cλj⋃{x(j)}Cλj=Cλj⋃{x(j)} ;
8： end for
9： for i=1,2,...,ki=1,2,...,k do
10： 计算新“簇中心”向量： (μ(i))′=1|Ci|∑x∈Cix(μ(i))′=1|Ci|∑x∈Cix ;
11： if (μ(i))′=μ(i)(μ(i))′=μ(i) then
12： 将当前“簇中心”向量 μ(i)μ(i) 更新为 (μ(i))′(μ(i))′
13： else
14： 保持当前均值向量不变
15： end if
16： end for
17： else
18：until 当前“簇中心”向量均未更新
输出：簇划分 C=C1,C2,...,CK
1.3代码实现
1.4算法优缺点
1.4.1优点：
1.原理比较简单，实现也是很容易，收敛速度快。
2.对大数据集有较高的效率并且是可伸缩性的。
3.主要需要调参的参数仅仅是簇数k。
1.4.2缺点：
1.K值需要预先给定，很多情况下K值的估计是非常困难的。
2.K-Means算法对初始选取的质心点是敏感的，不同的随机种子点得到的聚类结果完全不同 ，对结果影响很大。
3.采用迭代方法，可能只能得到局部的最优解，而无法得到全局的最优解。
参考文献：
http://bigdata.51cto.com/art/201804/571439.htm
https://www.cnblogs.com/lliuye/p/9144312.html
标签：...,Ci,中心,样本,Kmeans,算法,向量 来源： https://www.cnblogs.com/lhx0814/p/11484703.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。