K-Means 算法

    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汇集的算法，主要经过不断地取离种子点最近均值的算法。

    K-Means算法主要解决的问题以下图所示。咱们能够看到，在图的左边有一些点，咱们用肉眼能够看出来有四个点群，可是咱们怎么经过计算机程序找出这几个点群来呢？因而就出现了咱们的K-Means算法。

 

算法概要

这个算法其实很简单，以下图所示：

K-Means 算法概要

从上图中，咱们能够看到，A, B, C, D, E 是五个在图中点。而灰色的点是咱们的种子点，也就是咱们用来找点群的点。有两个种子点，因此K=2。

而后，K-Means的算法以下：

1. 随机在图中取K（这里K=2）个种子点。
2. 而后对图中的全部点求到这K个种子点的距离，假如点Pi离种子点Si最近，那么Pi属于Si点群。（上图中，咱们能够看到A,B属于上面的种子点，C,D,E属于下面中部的种子点）
3. 接下来，咱们要移动种子点到属于他的“点群”的中心。（见图上的第三步）
4. 而后重复第2）和第3）步，直到，种子点没有移动（咱们能够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）。

k-Means算法的缺点：

     K 是事先给定的，这个 K 值的选定是很是难以估计的。不少时候，事先并不知道给定的数据集应该分红多少个类别才最合适。

    K-Means算法须要用初始随机种子点来搞，这个随机种子点过重要，不一样的随机种子点会有获得彻底不一样的结果。