kmeans原理

kmeans原理如下:
输入:聚类个数k,以及包含n个数据对象的数据库 。输出:满足方差最小标准的k个聚类 。
【kmeans原理】K-means算法是很典型的基于距离的聚类算法,采用距离作为相似性的评价指标,即认为两个对象的距离越近,其相似度就越大 。该算法认为簇是由距离靠近的对象组成的,因此把得到紧凑且独立的簇作为最终目标 。K-Means算法是无监督的聚类算法,它实现起来比较简单,聚类效果也不错,因此应用很广泛 。K-Means算法有大量的变体,本文就从最传统的K-Means算法讲起,在其基础上讲述K-Means的优化变体方法 。包括初始化优化K-Means++,距离计算优化elkanK-Means算法和大数据情况下的优化MiniBatchK-Means算法 。