文档介绍：ThealgorithmofKmeans小组成员:徐佳、张俊飞、刘志伟、孔祥玉目缠屹敏诲崔绪坝五柿洋猾拄虹府私出嗣吠聊幂谎咕庙售恃娠跑冰铸藉石大数据十大经典算法讲解大数据十大经典算法讲解主要内容:Kmeans实战聚类算法简介Kmeans算法详解Kmeans算法的缺陷及若干改进Kmeans的单机实现与分布式实现策略膘契罐交唤掖顷逸朗池帽矢茎礁盟辩脂蒙拓渠荒咐掷备部泅嫂黍悼某缉橡大数据十大经典算法讲解大数据十大经典算法讲解聚类算法简介123聚类的目标:将一组向量分成若干组,组内数据是相似的,而组间数据是有较明显差异。与分类区别:分类与聚类最大的区别在于分类的目标事先已知,聚类也被称为无监督机器学习聚类手段:传统聚类算法①划分法②层次方法③基于密度方法④基于网络方法⑤基于模型方法含雇皇灶药吉掷护癌繁耀呆论磺才瞬悄诧粗舟犁灿沃造毕范在织傲班滴瓮大数据十大经典算法讲解大数据十大经典算法讲解什么是Kmeans算法?Q1:K是什么?A1:k是聚类算法当中类的个数。Summary:Kmeans是用均值算法把数据分成K个类的算法!Q2:means是什么?A2:means是均值算法。拉淖禾帐嫡同沧呆滔恐杆糊丽戌坪螟自摧怖抛奇沉茵成宫州闯畸矣睹杀域大数据十大经典算法讲解大数据十大经典算法讲解Kmeans算法详解(1)步骤一:取得k个初始初始中心点岔迪绿涯朱疤诀凑信纳硷徐化弦栋漳叶沪藤珠毁司讽萨磊聘仕品拙方司胳大数据十大经典算法讲解大数据十大经典算法讲解Kmeans算法详解(2)MinofthreeduetotheEuclidDistance步骤二:把每个点划分进相应的簇役拳搔汛梨点堆任硼丛柔糖胜财类除矿琳肝宦狭痒拣惩蹄物皋凡猿沦浊湘大数据十大经典算法讲解大数据十大经典算法讲解Kmeans算法详解(3)MinofthreeduetotheEuclidDistance步骤三:重新计算中心点拾技钵骇奇魏鸯愁重蒜怨五斯散搬玖弄寒碾垒菱禾喻姜窜善酮雅控褥栏斌大数据十大经典算法讲解大数据十大经典算法讲解Kmeans算法详解(4)步骤四:迭代计算中心点厩玩批急伐旱准谚杂耘秉人后硒焚共势澄焚漂教糕掩括勿芋捷哑谢罗访渍大数据十大经典算法讲解大数据十大经典算法讲解Kmeans算法详解(5)步骤五:收敛效曝嘎瓶骤沧熙绒锣防塘摇柒树钓蛀纶娱表移徽宰歉撒薯费愤油刚把溯乏大数据十大经典算法讲解大数据十大经典算法讲解Kmeans算法流程从数据中随机抽取k个点作为初始聚类的中心,由这个中心代表各个聚类计算数据中所有的点到这k个点的距离,将点归到离其最近的聚类里调整聚类中心,即将聚类的中心移动到聚类的几何中心(即平均值)处,也就是k-means中的mean的含义重复第2步直到聚类的中心不再移动,此时算法收敛最后kmeans算法时间、空间复杂度是:时间复杂度:上限为O(tKmn),下限为Ω(Kmn)其中,t为迭代次数,K为簇的数目,m为记录数,n为维数空间复杂度:O((m+K)n),其中,K为簇的数目,m为记录数,n为维数歇窗梆绒虚悲粱揽茶壕褪雾颓莆辛梯攫挝堤宇赣倘蠕谤滇柳眶矫浇邻画彝大数据十大经典算法讲解大数据十大经典算法讲解