机器学习之-用k-均值聚类算法对未标注数据分组-具体怎么实现及应用

1、什么叫做k-均值？

它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。

2、k-均值聚类的算法：

创建k个点作为起始质心（经常是随机选择）

当任意一个点的簇分配结果发生改变时

对数据集中的每个数据点

对每个质心

计算质心与数据点之间的距离

将数据点分配到距其最近的簇

对每一个簇，计算簇中所有点的均值并将均值作为质心

2、过程：

1）加载数据（数据格式是m行n列，其中每行是一个数据点，每列是数据的一个特征值）

2）创建一个m行2列的每个数据点的簇分配结果

3）创建一个初始的簇中心k行n列：（k，n）

3）开始循环：

对于每一个数据点：

对于每个簇中心：

计算该数据点到每个簇中心的距离

得到该数据点最近的簇索引

查看（m，2）里该数据点的簇索引是不是改变，是的话，最外层循环条件为true

对于每个簇中心：

计算以该簇为中心的数据点的平均值，用此值更新（m，2）里该数据点的簇索引值