ML09-K均值聚类

基本含义： 将具有相似特性的数据点，分到同一个簇内，使得同簇之内的数据相较于簇外的数据更加的相似。 关键计算： 相似度度量的方法。计算同簇之内数据点之间的相似度，计算不同簇之间的相似度。 计算距离/相似度有很多的方法，在K均值聚类方法中，经常使用的是欧氏距离。 K均值聚类的目标是使得总体群内方差最小或者平方误差最小。 聚类步骤： 在数据中，随机生成K个初始均值 通过关联每个观测值到最近的均值，创建

>>阅读原文<<