用K-Means算法进行文本聚类

K-Means聚类算法

KMeans算法的基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。然后按平均法重新计算各个簇的质心，从而确定新的簇心。一直迭代，直到簇心的移动距离小于某个给定的值。

K-Means聚类算法主要分为三个步骤：

• 第一步是为待聚类的点寻找聚类中心

• 第二步是计算每个点到聚类中心的距离，将每个点聚类到离该点最近的聚类中去

• 第三步是计算每个聚类中所有点的坐标平均值，并将这个平均值作为新的聚类中心
  反复执行(2)、(3)，直到聚类中心不再进行大范围移动或者聚类次数达到要求为止

下图展示了对n个样本点进行K-means聚类的效果，这里k取2：

• 未聚类的初始点集
• 随机选取两个点作为聚类中心
• 计算每个点到聚类中心的距离，并聚类到离该点最近的聚类中去
• 计算每个聚类中所有点的坐标平均值，并将这个平均值作为新的聚类中心
• 重复(c),计算每个点到聚类中心的距离，并聚类到离该点最近的聚类中去
• 重复(d),计算每个聚类中所有点的坐标平均值，并将这个平均值作为新的聚类中心