KMeans秘籍之如何选取初始质心

初始质心的选取

1. 常见的方法是随机的选取初始中心，但是这样簇的质量常常很差。

   • 处理选取初始质心问题的一种常用技术是：多次运行，每次使用一组不同的随机初始质心，然后选取具有最小SSE(误差的平方和)的簇集。
   • 这种策略简单，但是效果可能不好，这取决于数据集和寻找的簇的个数。

2. 取一个样本，并使用层次聚类技术对它聚类。

   • 从层次聚类中提取k个簇，并用这些簇的质心作为初始质心。
   • 该方法通常很有效，但仅对下列情况有效：(1)样本相对较小，例如数百到数千(层次聚类开销较大)；(2) k相对于样本大小较小。
3. 随机地选择第一个点，或取所有点的质心作为第一个点。然后，对于每个后继初始质心，选择离已经选取过的初始质心最远的点。
   
   • 使用这种方法，确保了选择的初始质心不仅是随机的，而且是散开的。
   • 此外，求离当前初始质心集最远的点开销也非常大。为了克服这个问题，通常该方法用于点样本。由于离群点很少(多了就不是离群点了)，它们多半不会在随机样本中出现。计算量也大幅减少。
4. canopy算法。