["首页","博客标签","我","开源","深度学习","机器学习","自然语言","爬虫","编程","开发语言","前端开发","生活","论文","关于me"]

聚类算法 Kmeans

作者: IntoHole | 可以转载, 但必须以超链接形式标明文章原始出处和作者信息及版权声明
网址: http://www.buyiker.com/2015/05/03/data-cluster-kmeans.html

ＫMeans　聚类算法

流程

    伪代码:
	seeds = random(data , k)
	#seeds cluster center　
	#ｋ　　cluster counts
	repeat:
		for data in datas;    
			find data min distance in seeds and update data cluster = k 
		update cluster center 
      	until cluster doesn't change(center change rate small than you set diff quota)

Kmeans难点

ｋ值确定
- canopy一种粗聚类算法，只要确定两个阈值！
距离公式选择
- 欧几得距离
- 马氏距离
- 闵可夫斯基距离
- 汉明距离
- 广义Jaccard系数
- Jaccard系数
数据处理
- 数据归一化

KMeans家族

KMeans++: 用权重方式随机生成质心，让质心在距离上．离的远一些，让聚类更加随机，避免在点密集部分，过分集中
Kmedios:　更新质心，不是类内数据平均值，而是类中离所有数据，距离最近的数据，作为新的中心，让聚类效果更加有代表性！

参考