[机器学习]Kmeans聚类算法和性能指标

资料整理

跳过算法原理

Kmeans算法是基于划分的聚类算法，其优化目标是同类的点尽量近，类间的点尽量远。

需要做的是（1）给定聚类个数K（2）选择K个初始点，可以是随机值，也可以是随机的样本点（3）迭代至终止条件

经典K-means算法具体流程，基于贪心策略

（1）随机地选择k个初始点，每个点代表了一个簇的中心；

（2）对每个样本，将它分配给最近的簇；

（3）重新计算每个簇的平均值，更新为新的簇中心；

（4）不断重复2、3，直到达到某个终止条件。 这个终止条件可以是：没有（或最小数目）对象被重新分配给不同的聚类

优点：对于大型数据集也是简单高效、时间复杂度、空间复杂度低。 缺点：数据集大时结果容易局部最优；需要预先设定K值，对最先的K个中心点选取很敏感；对噪声和离群值非常敏感