聚類算法3-K-means聚類算法實現流程

1 K-means解釋

• k-means其實包含兩層內容：
  ​ - K : 初始中心點個數（計划聚類數）
  ​ - means：求中心點到其他數據點距離的平均值

2 k-means聚類步驟

• 1、隨機設置K個特征空間內的點作為初始的聚類中心
• 2、對於其他每個點計算到K個中心的距離，未知的點選擇最近的一個聚類中心點作為標記類別
• 3、接着對着標記的聚類中心之后，重新計算出每個聚類的新中心點（平均值）
• 4、如果計算得出的新中心點與原中心點一樣（質心不再移動），那么結束，否則重新進行第二步過程

k聚類動態效果圖

2 案例練習

1、隨機設置K個特征空間內的點作為初始的聚類中心（本案例中設置p1和p2）

2、對於其他每個點計算到K個中心的距離，未知的點選擇最近的一個聚類中心點作為標記類別

3、接着對着標記的聚類中心之后，重新計算出每個聚類的新中心點（平均值）

4、如果計算得出的新中心點與原中心點一樣（質心不再移動），那么結束，否則重新進行第二步過程【經過判斷，需要重復上述步驟，開始新一輪迭代】

5、當每次迭代結果不變時，認為算法收斂，聚類完成，K-Means一定會停下，不可能陷入一直選質心的過程。