一. k-means
1.算法流程
给定数据样本集D={
x1,x2,...,xm}D=\{x_1,x_2,...,x_m\}D={
x1,x2,...,xm},k-means欲将DDD划分成K个簇C={
c1,c2,...,ck}C=\{c_1,c_2,...,c_k\}C={
c1,c2,...,ck}并且簇之间没有交集。其目标是最小化平方误差和:
E=∑i=1k∑x∈ci∣∣x−ui∣∣22 \begin{aligned} E=\sum_{i=1}^k\sum_{x\in c_i}||x-u_i||_{2}^2 \end{aligned} E=i=1∑kx∈ci∑∣∣x−ui∣∣22
其中ui=1∣ci∣∑x∈cixu_i=\cfrac{1}{|c_i|}\sum_{x\in c_i}xui=∣ci∣1∑x∈cix是簇cic_ici的均值向量(簇的形心)。从几何上理解就是k-means划分的每个簇中的样本都紧紧地挨着簇的形心。想要最小化平方误差和并不容易,找到它的最优解需要考虑所有可能的簇的划分,这是个NP难问题。所以,k-means采用了贪心的策略,通过迭代来找到局部最优解。算法流程如下:
- 输入数据集D,簇的个数k
- 从D中随机选择k个不同的样本作为初始均值向量{ u1,u2,...,uku_1,u_2,...,u_ku1,u2,...,uk}
- REPEAT
- 初始化k个簇为空ci=∅c_i=\varnothingci=∅<