聚類是一種無監督的學習，將相似的對象放到同一簇中，有點像是全自動分類，簇內的對象越相似，簇間的對象差別越大，則聚類效果越好。

1、k均值聚類算法

k均值聚類將數據分為k個簇，每個簇通過其質心，即簇中所有點的中心來描述。首先隨機確定k個初始點作為質心，然后將數據集分配到距離最近的簇中。然后將每個簇的質心更新為所有數據集的平均值。然后再進行第二次劃分數據集，直到聚類結果不再變化為止。

偽代碼為

隨機創建k個簇質心

當任意一個點的簇分配發生改變時：

對數據集中的每個數據點：

對每個質心：

計算數據集到質心的距離

將數據集分配到最近距離質心對應的簇

對每一個簇，計算簇中所有點的均值并將均值作為質心

2、二分k均值算法

K均值算法可能會收斂到局部最小值，而非全局最小。一種用于度量聚類效果的指標為誤差平方和(SSE)。因為取了平方，更加重視原理中心的點。為了克服k均值算法可能會收斂到局部最小值的問題，有人提出來二分k均值算法。

首先將所有點作為一個簇，然后將該簇一分為二，然后選擇所有簇中對其劃分能夠最大程度減低SSE的值的簇，直到滿足指定簇數為止。

偽代碼

將所有點看成一個簇

計算SSE

while 當簇數目小于k時：

for 每一個簇：

計算總誤差

在給定的簇上進行k均值聚類(k=2)

計算將該簇一分為二的總誤差

選擇使得誤差最小的那個簇進行劃分操作

python實現

代碼及數據集下載：K-means

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。

原文鏈接：http://blog.csdn.net/weixin_37895339/article/details/78634144