数据挖掘——聚类算法kmeans整理

【 kmeans算法原理】

1. 随机选取k个中心点
2. 遍历所有数据，将每个数据划分到最近的中心点中（根据距离的大小进行划分，即计算每个样本点到所有中心点的距离，选择距离最小的那个）
3. 计算每个聚类的平均值，并作为新的中心点
4. 重复2-3，直到这k个中心点不再变化（收敛了），或迭代次数达到规定值
   matlab函数调用：

[IDX,C,sumd,D] = kmeans(X,k,'distance','sqEuclidean','start','sample')  
//距离度量为欧氏距离的平方，初始点从样本X中随机选择k个点
// IDX： 每个样本点所在的类别
//   C： 所聚类别的中心点坐标位置（k*p,p为样本属性的维度）
//sumd: 每个类内各点到中心点的距离之和（1*k）
//   D：每个点到各类中心点的距离(n*k)

【算法的优化方法】

原因：初始中心点的随机选择——可能导致聚类的不正确性
方法1：重复执行几次kmeans，选取sum(sumd)最小的一次作为最终的聚类结果
方法2：重复执行几次kmeans，选取轮廓系数（下面有介绍）最小的一次