3、K-均值聚类算法

一、聚类的概念

• 聚类分析是无监督类机器学习算法中最常用的一类，其目的是将数据划分成有意义或有用的组（也被称为簇）。组内的对象相互之间是相似的（相关的），而不同组中的对象是不同的（不相关的）。组内的相似性 （同质性）越大，组间差别越大，聚类就越好。

二、常用的聚类方法

2.1 K-means聚类

• 也称为K均值聚类，它试图发现k（用户指定个数）个不同的簇 ，并且每个簇的中心
  采用簇中所含值的均值计算而成。

2.2 层次聚类

• 层次聚类(hierarchical clustering)试图在不同层次对数据集进行划分，从而形成树形的聚类结构。

2.3 DBSCAN

• 这是一种基于密度的聚类算法，簇的个数由算法自动地确定。低密度区域中的点被视为噪声而忽略，因此DBSCAN不产生完全聚类。

三、 K均值聚类

• K均值是发现给定数据集的k个簇的算法。簇个数k是用户给定的，每一个簇通过其质心（centroid）来描述。
• 工作流程：
  • 首先，随机选择K个初始质心，其中K是用户指定的参数，即所期望的簇的个
    数。
  • 然后将数据集中每个点指派到最近的质心，而指派到一个质心的点即为一个簇。
  • 然后，根据指派到簇的点，将每个簇的质心更新为该簇所有点的平均值。
  • 重复指派和更新步骤，直到簇不发生变化，或等价地，直到质心不发生变化。