文档介绍：算法简介
k-means算法，也被称为k-平均或k-均值，是一种得到最广泛使用的聚类算法。它是将各个聚类子集内的所有数据样本的均值作为该聚类的代表点，算法的主要思想是通过迭代过程把数据集划分为不同的类别，使得评价聚类性能的准则函数达到最优，从而使生成的每个聚类内紧凑，类间独立。这一算法不适合处理离散型属性，但是对于连续型具有较好的聚类效果。
整理ppt
算法描述
为中心向量c1, c2, …, ck初始化k个种子
分组:
将样本分配给距离其最近的中心向量
由这些样本构造不相交（ non-overlapping ）的聚类
确定中心:
用各个聚类的中心向量作为新的中心
重复分组和确定中心的步骤，直至算法收敛
整理ppt
算法 k-means算法
输入：簇的数目k和包含n个对象的数据库。
输出：k个簇，使平方误差准则最小。
算法步骤：
，这样就有K 个初始聚类中心。

。
。
，得到K个聚类
整理ppt
将样本分配给距离它们最近的中心向量，并使目标函数值减小
更新簇平均值
计算准则函数E
整理ppt
2020/12/4
K-means聚类算法
整理ppt
划分聚类方法对数据集进行聚类时包括如下
三个要点：
（1）选定某种距离作为数据样本间的相似性度量
上面讲到，k-means聚类算法不适合处理离散型属性，对连续型属性比较适合。因此在计算数据样本之间的距离时，可以根据实际需要选择欧式距离、曼哈顿距离或者明考斯距离中的一种来作为算法的相似性度量，其中最常用的是欧式距离。下面我给大家具体介绍一下欧式距离。
整理ppt
假设给定的数据集，X中的样本用d个描述属性A1,A2…Ad来表示，并且d个描述属性都是连续型属性。数据样本xi=(xi1,xi2,…xid), xj=(xj1,xj2,…xjd)其中， xi1,xi2,…xid和xj1,xj2,…xjd分别是样本xi和xj对应d个描述属性A1,A2,…Ad的具体取值。样本xi和xj之间的相似度通常用它们之间的距离d(xi,xj)来表示，距离越小，样本xi和xj越相似，差异度越小；距离越大，样本xi和xj越不相似，差异度越大。
欧式距离公式如下：
整理ppt
（2）选择评价聚类性能的准则函数
k-means聚类算法使用误差平方和准则函数来评价聚类性能。给定数据集X，其中只包含描述属性，不包含类别属性。假设X包含k个聚类子集X1,X2,…XK；各个聚类子集中的样本数量分别为n1，n2,…,nk;各个聚类子集的均值代表点（也称聚类中心）分别为m1，m2,…,mk。则误差平方和准则函数公式为：
整理ppt
（3）相似度的计算根据一个簇中对象的平均值来进行。
（1）将所有对象随机分配到k个非空的簇中。
（2）计算每个簇的平均值，并用该平均值代表相应的簇。
（3）根据每个对象与各个簇中心的距离，分配给最近的簇。
（4）然后转（2），重新计算每个簇的平均值。这个过程不断重复直到满足某个准则函数才停止。
整理ppt
O
x
y
1
0
2
2
0
0
3

0
4
5
0
5
5
2
数据对象集合S见表1，作为一个聚类分析的二维样本，要求的簇的数量k=2。
(1)选择，为初始的簇中心，即，。
(2)对剩余的每个对象，根据其与各个簇中心的距离，将它赋给最近的簇。
对：
显然，故将分配给
例子
整理ppt