聚类分析（二） K-MEANS

K-means 算法

一般情况，聚类算法可以划分为以下几类：划分方法（partitioning method ）、层次方法（hierarchical methods ）、基于密度的方法（density-based methods ）、基于网格的方法（grid-based methods ）、基于模型的方法（model-based methods ）.k-means 算法属于划分方法中的一种。

K-means 算法的整个流程：首先从聚类对象中随机选出K 个对象作为类簇的质心（当然了，初始参数的K 代表聚类结果的类簇数），对剩余的每个对象，根据它们分别到这个K 个质心的距离，将它们指定到最相似的簇（因为K-means 是利用距离来量化相似度的，所以我们这里可以理解为是“将它们指定到离最近最近距离的质心所属类簇”）。然后重新计算质心位置。以上过程不断反复，直到准则函数收敛为止。通常采用平方误差准则，定义如下：

其中，E 代表的意思是所有类簇中各对象到其所属类簇质点平方误差和.

K: 聚类结果类簇个数

Ci: 第i 个类簇

P ：类簇中聚类对象

mi: 第i 个类簇的质心

K-means 的优点和不足：能处理大型数据集，结果簇相当紧凑，并且簇和簇之间明显分离。计算复杂性O(tkn) t: 迭代次数、K ：聚类数 n: 样本数；但是

1） 该算法必须事先给定类簇数和质点，簇数和质点的初始值设定往往会对聚类的算法影响较大。

2 ) 通常会在获得一个局部最优值时停止，

3 ) 并且只适合对数值型数据聚类，

4) 只适用于聚类结果为凸形的数据集，K-means 方法不适合发现非凸面形状的类簇，或者大小差别很大的簇。

5) 对“ 噪音” 和孤立点数据敏感，少量的该类数据对质点的计算会产生极大的影响。

关于K-means的代码实现网上有很多，java版的本人自己也实现了，有需要则可以留下MAIL。：）