K-means算法的原理是什么？要怎么描述？

PGC123

2019-06-24 阅读量: 541

答：

k-means是划分方法中较经典的聚类算法之一。由于该算法的效率高，所以在对大规模数据进行聚类时被广泛应用。目前，许多算法均围绕着该算法进行扩展和改进。

k-means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。k-means算法的处理过程如下：首先，随机地选择k个对象，每个对象初始地代表了一个簇的平均值或中心;对剩余的每个对象，根据其与各簇中心的距离，将它赋给最近的簇;然后重新计算每个簇的平均值。这个过程不断重复，直到准则函数收敛。

步骤：

　　(1) 任意选择k个对象作为初始的簇中心；

　　(2) repeat；

　　(3) 根据簇中对象的平均值，将每个对象(重新)赋予最类似的簇；

　　(4) 更新簇的平均值，即计算每个簇中对象的平均值；

　　(5) until不再发生变化。