机器学习——聚类算法K-means

Baste

如今的聚类技术，应用较广的是划分聚类和分层聚类。
划分聚类：
初始构造n个簇，然后不断更改每个簇内的成员，最终直到每个簇的成员稳定为止。
分层聚类：
根据分层策略的不同，又分为凝聚聚类和分裂聚类。凝聚聚类，将所有的向量都视为单独的簇，然后根据他们的相似度进行合并。分裂聚类，将所有的向量视为一个簇，然后不断对他们进行分裂，例如二分kmeans。
Kmeans就是基于划分聚类的算法。
首先讲清楚，kmeans只能找出球形的类，而不能找出任意形状的类。

朴素kmeans的算法原理：

任选k个向量m（k）作为初始聚类中心计算每个向量和这k个向量的距离（涉及到距离度量，一般用欧氏距离）将每个向量和最近的向量m归为一个类簇重新计算每个类簇的中心向量位置，并将其替代之前的m向量重复步骤3、4，直到少于1%的向量还在发生类簇间的归类飘移

注意：

需要事先给定类簇的数量K需要实现给出初始类中心

衡量算法优劣的评估标准：sse（误差平方和）
算法的改进：

二分keams，就是分裂聚类法，据说各方面都比朴素kmeans好带canopy预处理的kmeans，能够自动确定k的取值，并且去除坏点。但引入了一个新问题，T1T2的选取。MapReduce，为并行处理大数据而设计的编程模型。

<div id="marketingBox" class="marketing-box"><div class="marketing-content">

与50位技术专家面对面

20年技术见证，附赠技术全景图