K-Means 算法

    在數據挖掘中， k-Means 算法是一種 cluster analysis 的算法，其主要是來計算數據彙集的算法，主要經過不斷地取離種子點最近均值的算法。

    K-Means算法主要解決的問題以下圖所示。咱們能夠看到，在圖的左邊有一些點，咱們用肉眼能夠看出來有四個點羣，可是咱們怎麼經過計算機程序找出這幾個點羣來呢？因而就出現了咱們的K-Means算法。

 

算法概要

這個算法其實很簡單，以下圖所示：

K-Means 算法概要

從上圖中，咱們能夠看到，A, B, C, D, E 是五個在圖中點。而灰色的點是咱們的種子點，也就是咱們用來找點羣的點。有兩個種子點，因此K=2。

而後，K-Means的算法以下：

1. 隨機在圖中取K（這裏K=2）個種子點。
2. 而後對圖中的全部點求到這K個種子點的距離，假如點Pi離種子點Si最近，那麼Pi屬於Si點羣。（上圖中，咱們能夠看到A,B屬於上面的種子點，C,D,E屬於下面中部的種子點）
3. 接下來，咱們要移動種子點到屬於他的「點羣」的中心。（見圖上的第三步）
4. 而後重複第2）和第3）步，直到，種子點沒有移動（咱們能夠看到圖中的第四步上面的種子點聚合了A,B,C，下面的種子點聚合了D，E）。

k-Means算法的缺點：

     K 是事先給定的，這個 K 值的選定是很是難以估計的。不少時候，事先並不知道給定的數據集應該分紅多少個類別才最合適。

    K-Means算法須要用初始隨機種子點來搞，這個隨機種子點過重要，不一樣的隨機種子點會有獲得徹底不一樣的結果。