K-Means 算法 | 酷 壳 - CoolShell.cn

K-Means 算法 | 酷 壳 - CoolShell.cn

在数据挖掘中， k-Means 算法是一种  cluster analysis  的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。 问题 K-Means 要解决的问题 这个算法其实很简单，如下图所示： K-Means 算法概要 从上图中，我们可以看到，A, B, C, D, E 是五个在图中点。而灰色的点是我们的种子点，也就是我们用来找点群的点。有两个种子点，所以K=2。 然后，K-Means的算法如下： 然后重复第2）和第3）步，直到，种子点没有移动（我们可以看到图中的第四步上面的种子点聚合了A,B,C，下面的种子点聚合了D，E）。 这个算法很简单，但是有些细节我要提一下，求距离的公式我不说了，大家有初中毕业水平的人都应该知道怎么算的。我重点想说一下“求点群中心的算法” 求点群中心的算法 2）Euclidean Distance 公式 —— 也就是第一个公式 λ=2 的情况 3）CityBlock Distance 公式 —— 也就是第一个公式 λ=1 的情况 这三个公式的求中心点有一些不一样的地方，我们看下图（对于第一个 λ 在 0-1之间）。       上面这几个图的大意是他们是怎么个逼近中心的，第一个图以星形的方式，第二个图以同心圆的方式，第三个图以菱形的方式。  K 是事先给定的，这个 K 值的选定是非常难以估计的。很多时候，事先并不知道给定的数据集应该分成多少个类别才最合适。（  ISODATA 算法 通过类的自动合并和分裂，得到较为合理的类型数目 K） K-Means算法需要用初始随机种子点来搞，这个随机种子点太重要，不同的随机种子点会有得到完全不同的结果。（ K-Means++算法 可以用来解决这个问题，其可以有效地选择初始点） 我在这里重点说一下 K-Means++算法步骤： x 进行K-Means算法。 看到这里，你会说，K-Means算法看来很简单，而且好像就是在玩坐标点，没什么真实用处。而且，这个算法缺陷很多，还不如人工呢。是的，前面的例子只是玩二维坐标点，的确没什么意思。但是你想一下下面的几个问题： 1）如果不是二维的，是多维的，如5维的，那么，就只能用计算机来计算了。 2）二维坐标点的X,

Read full article from K-Means 算法 | 酷 壳 - CoolShell.cn