博客

k-means算法思想

https://blog.csdn.net/Dhane/article/details/86661208

算法思想
k-means算法的思想比较简单，假设我们要把数据分成K个类，大概可以分为以下几个步骤：

随机选取k个点，作为聚类中心；
计算每个点分别到k个聚类中心的聚类，然后将该点分到最近的聚类中心，这样就行成了k个簇；
再重新计算每个簇的质心（均值）；
重复以上2~4步，直到质心的位置不再发生变化或者达到设定的迭代次数。

K-means算法优点：
1）、是解决聚类问题的一种经典算法，简单、快速

K-means算法缺点：
(2)、在 K-means 算法中 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；
(3)一旦初始值选择的不好，可能无法得到有效的聚类结果,有可能陷入局部最优
(4)、该算法需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此当数据量非常大时，算法的时间开销是非常大的；
（5）对噪声和孤立点数据敏感