k-means 算法接受参数 k ;然后将事先输入的 n 个数据对象
划分为 k 个聚类以便使得所获得的聚类满足:同一聚类中的对象相
似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各
聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计
算的。
K-means 算法是最为经典的基于划分的聚类方法,是十大经典
数据挖掘算法之一。 K-means 算法的基本思想是:以空间中 k 个点
为中心进行聚类,对最靠近他们的对象归类。通过迭代的方法,逐
次更新各聚类中心的值,直至得到最好的聚类结果。
首先从 n 个数据对象任意选择 k 个对象作为初始聚类中心; 而
对于所剩下其它对象,则根据它们与这些聚类中心的相似度 (距离),
分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然 后
再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值) ;不
断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方
差作为标准测度函数 . k 个聚类具有以下特点:各聚类本身尽可能
的紧凑,而各聚类之间尽可能的分开。
该算法的最大优势在于简洁和快速。算法的关键在于初始中心
的选择和距离公式。
step.1--- 初始化距离 K 个聚类的质心(随机产生)
step.2--- 计算所有数据样本与每个质心的欧氏距离, 将数据样
本加入与其欧氏距离最短的那个质心的簇中(记录其数据样本的编
号)
step.3--- 计算现在每个簇的质心,进行更新,判断新质心是否
与原质心相等,若相等,则迭代结束,若不相等,回到 step2 继续
迭代。