K-Means是不依赖标签、把样本自动划分成K个簇的聚类算法,其核心构成包括随机选取K个中心点、按距离就近把样本分配到各个簇与反复重算各簇中心点(如取簇内点的平均值),解决的是无类别标签数据中自动发现分组结构的问题,并不解决簇形状非凸或初始中心选择不佳带来的聚类结果不稳定问题。
将每个点分配到最近的类,这样形成了K个类;
重新计算每个类的中心点。比如都属于同一个类别里面有10个点,那么新的中心点就是这10个点的中心点,一种简单的方式就是取平均值。
K-Means是不依赖标签、把样本自动划分成K个簇的聚类算法,其核心构成包括随机选取K个中心点、按距离就近把样本分配到各个簇与反复重算各簇中心点(如取簇内点的平均值),解决的是无类别标签数据中自动发现分组结构的问题,并不解决簇形状非凸或初始中心选择不佳带来的聚类结果不稳定问题。
将每个点分配到最近的类,这样形成了K个类;
重新计算每个类的中心点。比如都属于同一个类别里面有10个点,那么新的中心点就是这10个点的中心点,一种简单的方式就是取平均值。