【理论】初步理解K均值聚类算法

K均值算法是典型的聚类算法，算法基本步骤如下

1 随机产生k个中心点，一个中心点代表一个类别

2 计算每个点与k个中心点的距离，并将该点划分到与之距离最短的中心点所属的类别当中

3 对每一个类别，使用该类中所有点的均值更新中心点

重复2/3两个步骤直到前后两次划分的类别不再改变为止

以上步骤中两点非常重要

1 每个元素都需要计算与质心得距离，距离的计算取决于距离计算函数，可以是欧式距离，也可能是曼哈顿距离

2 更新质心时使用的所有点的均值，所有点的个数是指上一次形成的簇中的簇元素个数。

K均值算法的缺点

1 但你必须事先确定 k 的大小

2 必须给出K个初始化中心

3 对于异常数据过于敏感，异常数据的存在对于中心点的计算产生极大影响

4 求中心点时需要计算算术平均

5 无法找出具有特殊形状的族

这里重新说明下聚类

聚类是一种没有训练数据分类。

实现将对象自动分组的一种方法：聚类 Cluster。引申到编程语言领域，我们常说的高内聚，低耦合，就是这里的聚类。

重新计算质心

KNN与KMeans区别

参考资料 https://zhuanlan.zhihu.com/p/27228015