k-means算法是什么

這篇文章將為大家詳細(xì)講解有關(guān)k-means算法是什么，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。

聚類算法屬于無監(jiān)督的機(jī)器學(xué)習(xí)算法，即沒有類別標(biāo)簽y，需要根據(jù)數(shù)據(jù)特征將相似的數(shù)據(jù)分為一組。k-means為聚類算法中最簡單、常見的一種，通過計算距離，將相似性高的數(shù)據(jù)分在一起。

• 算法流程

隨機(jī)選擇k個點(diǎn)作為聚類中心，計算其他點(diǎn)與中心點(diǎn)的距離，選擇距離最近的中心并歸類，歸類完成后計算每類的新中心點(diǎn)，重新計算每個點(diǎn)與中心點(diǎn)的聚類并選擇距離最近的歸類，重復(fù)此過程，直至中心點(diǎn)不再變化。

需要注意的是，使用k-means算法時，要先確認(rèn)k的值，即想分為幾類，k值一般設(shè)定為3-5。下圖為從網(wǎng)上截取的圖片，可以直觀看到通過4次迭代，將點(diǎn)聚為3個簇（cluster）的過程。

• R語言實(shí)現(xiàn)

在R中實(shí)現(xiàn)k-means聚類，可以直接使用kmeans()函數(shù)。在下面的例子中，我們使用iris數(shù)據(jù)集進(jìn)行演示。

顏色代表聚類后得到的結(jié)果，形狀代表真實(shí)的劃分，“*”為聚類中心點(diǎn)。如下可查看每個樣本點(diǎn)的聚類結(jié)果：

• python實(shí)現(xiàn)

  
  

  
  

在python中實(shí)現(xiàn)k-means聚類，可以使用sklearn.cluster中的KMeans()函數(shù)同樣使用iris數(shù)據(jù)集進(jìn)行演示。

顏色代表聚類后得到的結(jié)果。

• k-means優(yōu)缺點(diǎn)

優(yōu)點(diǎn)：

（1）算法原理簡單，聚類速度快。

（2）容易實(shí)現(xiàn)。

缺點(diǎn)：

（1）k值需要事先給定，有時候不知道分成幾類最合適。

（2）初始中心點(diǎn)的選擇會影響聚類效果。這也是為什么每次進(jìn)行聚類后，得到結(jié)果不同的原因。

（3）因為通過距離判斷點(diǎn)的相似度進(jìn)行聚類，因此k-means算法有一定的使用局限。當(dāng)潛在簇的形狀為大小相近的近似圓形，且每個簇之間聚類較明顯，k-means聚類結(jié)果比較理想。

關(guān)于k-means算法是什么就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。