K-Means聚类算法

更多数据挖掘算法：https://github.com/linyiqun/DataMiningAlgorithm

算法介绍

K-Means又被称作K均值聚类法，在机器学习领域中被视为一种基础且简单的无监督学习方法。即表示该数据集将被划分为若干个类别或簇体的数量参数。在实际应用中,K-Means被认为是解决许多问题的有效工具之一,其核心思想在于通过迭代优化来实现样本分组目标。它具有相似的特性与k最近邻分类器,主要基于向量空间模型进行分类判断,使用欧氏距离作为判别依据,从而实现对新样本的合理归类

算法步骤

(1)、设定数字k，从n个初始数据中随机的设置k个点为聚类中心点。

(2)、对于每一个包含n个数据的数据集中的每个样本来说，在算法运行过程中会对该样本的所有k个聚类中心逐一计算其与之对应的距离值；最终依据各聚类中心与其对应距离值的大小关系确定其所属类别

(3) 对于每一个已经被正确分类的n个样本，在同一类别内的所有样本中计算它们的平均值，并将其确定为该类别的新核心位置。

(4)、循环(2)，(3)直到最终中心点收敛。

以上的计算过程将会在下面我的程序实现中有所体现。

算法的代码实现

输入数据：

 3 3

    
 4 10
    
 9 6
    
 14 8
    
 18 11
    
 21 7