2020-09-02 阅读量: 675
**K-means 的基本思想：**
通过迭代寻找 k 个聚类的一种划分方案，使得用这 k 个聚类的均值来代表相应各类样本时所得的总体误差最小。K-means 算法的基础是最小误差平方和准则。
**K-means 聚类步骤：**
Step1: 随机选择 k 个质心(即 k 个类)；
Step2: 计算每一个点到这些质心的距离，然后决定每个点所属的类；
Step3: 对于每个类，重新确定该类的质心
Step4: 若收敛，则结束；否则转到 Step2。
**K-Means缺点：**
- 对聚类中心的初始化比较敏感，不同的初始化带来不同的聚类结果。
- K 值需要首先人工确定(启发式)。
- 只能处理服从标准正态分布的聚类。
- K-means 对于噪声比较敏感。
