K-means和K-means++算法

K-means

①选择划分簇的个数K
②随机选择K个点作为聚类中心，（不一定是样本点）

③计算其余样本到聚类中心的距离，并进行第一次的聚类划分
④调整新类，及其中心。就是样本的重心

⑤一直循环，直到收敛。或达到循环次数

可能存在的问题：收敛点和初始点有很大的关系、孤立点敏感、必须要给出初始簇数

为了解决初始点及孤立点问题，改进K-means

实际上仅优化了选取中心这一问题

①选择一个样本作为第一个中心②计算其余点到此样本的距离，越大那么选择它作为下一个聚类中心的概率越大③根据概率挑选下一个聚类中心④直到选择出K个中心

注意距离是欧氏距离，要去量纲，即标准化

这篇好文章是转载于：学新通技术网