K-means算法

K-means是一种无监督式的聚类算法，KNN是一种有监督式的分类算法； 

两者总结如下：

 

聚类算法是一种无监督学习算法。k均值算法是其中应用最为广泛的一种，算法接受一个未标记的数据集，然后将数据聚类成不同的组。K均值是一个迭代算法，假设我们想要将数据聚类成K个组，其方法为：

1. 随机选择K个随机的点（称为聚类中心）；
2. 对与数据集中的每个数据点，按照距离K个中心点的距离，将其与距离最近的中心点关联起来，与同一中心点关联的所有点聚成一类；
3. 计算每一组的均值，将该组所关联的中心点移动到平均值的位置；
4. 重复执行2-3步，直至中心点不再变化

 K-means优点： 算法简单易实现； - 缺点： 需要用户事先指定类簇个数； 聚类结果对初始类簇中心的选取较为敏感； 容易陷入局部最优； 只能发现球形类簇；

转载于:https://www.cnblogs.com/zf-blog/p/10205969.html