給定訓練集$\{x^{(1)},...,x^{(m)}\}$，想把這些樣本分成不同的子集，即聚類，$x^{(i)}\in\mathbb{R^{n}}$，但是這是個無標簽數據集，也就是說我們再聚類的時候不能利用標簽信息，所以這是一個無監督學習問題。 k-means聚類算法的流程如下： 1. 隨機 ...

　　　　K-Means算法是無監督的聚類算法，它實現起來比較簡單，聚類效果也不錯，因此應用很廣泛。K-Means算法有大量的變體，本文就從最傳統的K-Means算法講起，在其基礎上講述K-Means的優化變體方法。包括初始化優化K-Means++, 距離計算優化elkan K-Means算法 ...

K-Means算法是無監督的聚類算法，它實現起來比較簡單，聚類效果也不錯，因此應用很廣泛。K-Means算法有大量的變體，本文就從最傳統的K-Means算法講起，在其基礎上講述K-Means的優化變體方法。包括初始化優化K-Means++, 距離計算優化elkan K-Means算法和大數據情況下 ...

From： http://blog.csdn.net/cyxlzzs/article/details/7416491 ...

說來這個聚類算法的實現是數據挖掘課程的第三次作業了，前兩次的作業都是利用別人的軟件，很少去自己實現一個算法，第一個利用sqlserver2008的商業智能工具實現一個數據倉庫，數據處理，倉庫模型的建立繞，維度表，事實表的創建，不過考試的時候應該也會有數據倉庫常用模型的建立吧；第二次利用 ...

聚類算法與K-means實現 一、聚類算法的數學描述： 區別於監督學習的算法（回歸，分類，預測等），無監督學習就是指訓練樣本的 label 未知，只能通過對無標記的訓練樣本的學習來揭示數據的內在規律和性質。無監督學習任務中研究最多的就是聚類算法（clustering）。我們假定一個樣 ...

java簡單實現聚類算法 第一個版本有一些問題，，（一段廢話biubiu。。。），，我其實每次迭代之后（就是達不到收斂標准之前，聚類中心的誤差達不到指定小的時候），雖然重新算了聚類中心，但是其實我的那些點並沒有變，可是這個程序不知道咋回事每次都把我原先隨機指定的聚類中心給變成了我算 ...

一、理論准備 聚類算法，不是分類算法。分類算法是給一個數據，然后判斷這個數據屬於已分好的類中的具體哪一類。聚類算法是給一大堆原始數據，然后通過算法將其中具有相似特征的數據聚為一類。 K-Means算法的基本思想是初始隨機給定K個簇中心，按照最鄰近原則把待分類 ...