Kmeans算法

一、Kmeans算法流程：

1.选取K个类中心（首次随机选取）

2.计算每个点到K个类中心的距离

3.把数据点分配给距离最近的一个类中心

4.计算新的类中心（对该类中的所有点取均值）

5.重复234，直至满足终止条件后终止迭代

• 不再有重新分配
• 最大迭代数
• 所有类中心移动小于某一阈值　　

二、Kmean算法类数K的选取：多值尝试取聚类指标最优或提升转折点。

三、Kmean算法初始类中心选取：

• 多次全随机取最优
• 最远选取

1. 第一个类中心：随机选取
2. 第二个类中心：距离第一个类中心最远的点
3. 第三个类中心：距离前两个类中心最远的点
4. 以此类推，直到第K个

• 半随机选取（实验证明该方法最有效）

1. 随机选择第一个类中心
2. 记D(x)为数据点x距最近类中心的距离
3. 选取下一个类中心，选取的概率正比于D(x)^2
4. 以此类推，直到第K个

• 其他