DS&ML_聚类算法学习笔记之k-means模型

其他相关文献综述

DS&ML_关联分析笔记
DS&ML_分类算法笔记之支持自动机SVM模型
DS&ML_分类算法笔记之随机森林、梯度提升树、XGBoost模型
DS&ML_分类算法笔记之k-近邻、KD-Tree模型
DS&ML_降维算法笔记之主成分分析PCA模型
DS&ML_分类算法笔记之朴素贝叶斯模型
DS&ML_分类算法笔记之决策树模型
DS&ML_分类算法笔记之逻辑回归模型

对于k-means聚类模型的相关知识点的总结与整理

简单描述一下k-means的思想，k-means是什么？

k-means是一种基于距离的聚类方法，除此之外，还存在依据相似系数进行聚类以及根据密度进行聚类等其他形式。k-means在实际应用中极为常见，尤其适用于处理大规模数据集。我曾目睹有人利用k-means对包含36万条记录的数据集进行聚类操作，当然，在这种情况下需要引入并行计算技术以提升效率，例如在计算距离的过程中采用并行方式以加快处理速度。

欧式距离：也称为欧几里得度量，是常用的衡量两个点之间距离的方式，其定义为m维空间中两点之间的实际距离，也可以理解为向量从原点延伸出的自然长度。在二维与三维空间中，欧式距离即表示两点间的真实几何距离。

具体算法