机器学习|K-Means算法

01

—

K-Means算法

在数据挖掘中，K-Means算法是一种 cluster analysis 的算法，主要通过不断地取离种子点最近均值的算法。

如下所示，分为3个簇，如何用K-Means正确聚类呢？

02

—

K-Means算法实施的前提

K-Means算法实施需要满足两个前提：

1. 根据分布的先验概率，求得K
2. 种子点的选取要cunning，尽量地远一点

03

—

K-Means算法思路

1. 设置 K 个种子点；
2. 遍历每个点，找到挨着最近的种子点，这就是它所属的簇；
3. 遍历结束后，重新计算K个种子点的位置；
4. 重复 Steps 2 and 3，直到 K个种子点的位置不再改变。

如下两个簇，初始位置：m1, m2，实施K-Means的时候可以看到种子点m1,m2的轨迹移动情况。

更多聚类算法请参考之前的推送：

机器学习高斯混合模型：聚类原理分析（前篇）

机器学习高斯混合模型（中篇）：聚类求解

机器学习高斯混合模型（后篇）：GMM求解完整代码实现

高斯混合模型：不掉包实现多维数据聚类分析