K-Means聚类算法

参考文献

https://blog.youkuaiyun.com/u011204487/article/details/59624571

K-Means聚类算法步骤

优点

• 解决聚类问题的一种经典算法，简单、快速
• 对处理大数据集，该算法保持可伸缩性和高效性
• 当簇接近高斯分布时，它的效果较好。

缺点

• 在簇的平均值可被定义的情况下才能使用
• 在 K-means 算法中 K 是事先给定的，这个 K 值的选定是非常难以估计的
• 在 K-means 算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化。这个初始聚类中心的选择对聚类结果有较大的影响
• 该算法需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此当数据量非常大时，算法的时间开销是非常大的；
• 若簇中含有异常点，将导致均值偏离严重（即:对噪声和孤立点数据敏感）
• 不适用于发现非凸形状的簇或者大小差别很大的簇。