k-means算法原理及实战

全文共684个字，1张图，预计阅读时间6分钟。

K-means原理

K-means算法是输入聚类个数k，以及包含 n个数据对象的数据库，输出满足方差最小标准k个聚类的一种算法。

基本流程：

步骤1：

从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的

（聚类中心所代表的）聚类；

步骤2：

再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；

步骤3：

不断重复这一过程直到标准测度函数开始收敛为止。

一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。

算法的时间复杂度上界为O(n*k*t), 其中t是迭代次数。

k-means算法是一种基于样本间相似性度量的间接聚类方法，属于非监督学习方法。此算法以k为参数，把n 个对象分为k个簇，以使簇内具有较高的相似度，而且簇间的相似度较低。

我们使用sklearn库来实现k-means。

中心点的个数从3到80对应的误差值的曲线

10个簇的数据集的个数

10个类的tfidf标签结果

评分

说明

代码大部分来自这篇文章：K-means算法及文本聚类实践,只是没有数据集，然后自己手撕写了个36kr文章的爬虫的程序。φ(>ω

代码地址上传到github：text-cluster