机器学习之K-means算法

前言

以下内容是个人学习之后的感悟，转载请注明出处~

简介

在之前发表的线性回归、逻辑回归、神经网络、SVM支持向量机等算法都是监督学习算法，需要样本进行训练，且

样本的类别是知道的。接下来要介绍的是非监督学习算法，其样本的类别是未知的。非监督学习算法中，比较有代表性

的就是聚类算法。而聚类算法中，又有

• 分割方法:K-means
• 分层次方法:ROCK 、 Chemeleon
• 基于密度的方法:DBSCAN
• 基于网格的方法:STING 、 WaveCluster

以上只是部分算法，在这里就不一一列举了，本文讲解的是K-means算法。

K-means原理

K-means算法原理十分简单，实行起来总共分为以下几个步骤：

• 1、根据要分K类来确定K个初始聚类中心
• 2、将每个样本数据分配给距离最近的聚类中心，形成K个簇
• 3、算出每个簇的均值点作为新的聚类中心
• 4、重复2、3两个步骤，直到聚类中心不再改变

文字往往没有这么直观，接下来看下面的图片，我们可以清晰地看到聚类中心的变化，簇的变化。随着上面步骤的结束，

K-means算法到达了我们想要的效果。

K-means参数优化

1、代价函数

这代价函数很好理解，最小化此代价函数，无非是最小化每个样本到所属类簇中心的距离，此时的分类效果很好。

2、选择初始化聚类中心

如果采用随机初始化，很可能导致结果的不理想，下图是两个不同初始化聚类中心的分类效果，明显下面这个分类效果好

多了，所以一次随机初始化，并不能给我们带来理想的效果。

那我们该怎么选择初始聚类中心呢？其实只需多次随机初始化，并运行算法，计算其代价函数，选择代价函数值小的初

始化聚类中心。

3、选择聚类的数目

如何选择聚类的数目？说实话，没有特别标准的答案。一般来说，手动选取比较多，或者采用“肘部法则”（Elbow method），

此法则是计算不同聚类数目下的代价函数，画出曲线，选择这个转折点（像肘部）的K值作为聚类数目，如下面左图所示。但是，现实

中的情况往往是下面右图所示，很难找到“肘部”。

注意：其实很多时候，你要分类的目标会给你相应的信息，需要分几类，此时你完全可以按照目标的要求来。

以上是全部内容，如果有什么地方不对，请在下面留言，谢谢~