k-means演算法是聚類演算法，k在在這裡指的是分類的型別數（根據經驗指出會出現幾個類別），所以在開始設定的時候非常關鍵，演算法的原理是首先假定k個分類點，然後根據歐式距離計算分類，然後去同分類的均值作為新的聚簇中心，迴圈操作直到收斂。演算法的關鍵在k個值的選取上，如果均值選得恰當將有利於演算法的快速收斂。
kmeans演算法的執行過程的偽**可概括為如下：
kmeans演算法時間複雜度：o(tkmn)，其中t為迭代次數，k為簇數目；
kmeans演算法空間複雜度：o((m+k)n)，m為記錄數，n為維數；
k-means演算法是最為經典的基於劃分的聚類方法，是十大經典資料探勘演算法之一。k-means演算法的基本思想是：以空間中k個點為中心進行聚類，對最靠近他們的物件歸類。通過迭代的方法，逐次更新各聚類中心的值，直至得到最好的聚類結果。
常用的距離度量方法包括：歐幾里得距離和余弦相似度。兩者都是評定個體間差異的大小的。歐幾里得距離度量會受指標不同單位刻度的影響，所以一般需要先進行標準化，同時距離越大，個體間差異越大；空間向量余弦夾角的相似度度量不會受指標刻度的影響，余弦值落於區間[-1,1]，值越大，差異越小。但是針對具體應用，什麼情況下使用歐氏距離，什麼情況下使用余弦相似度？
從幾何意義上來說，n維向量空間的一條線段作為底邊和原點組成的三角形，其頂角大小是不確定的。也就是說對於兩條空間向量，即使兩點距離一定，他們的夾角余弦值也可以隨意變化。感性的認識，當兩使用者評分趨勢一致時，但是評分值差距很大，余弦相似度傾向給出更優解。舉個極端的例子，兩使用者只對兩件商品評分，向量分別為(3,3)和(5,5)，這兩位使用者的認知其實是一樣的，但是歐式距離給出的解顯然沒有余弦值合理。
一般是目標函式達到最優或者達到最大的迭代次數即可終止。對於不同的距離度量，目標函式往往不同。當採用歐式距離時，目標函式一般為最小化物件到其簇質心的距離的平方和，如下：
當採用余弦相似度時，目標函式一般為最大化物件到其簇質心的余弦相似度和，如下：
該演算法的最大優勢在於簡潔和快速。演算法的關鍵在於初始中心的選擇和距離公式。
kmenas演算法試圖找到使平均誤差準則函式最小的簇。當潛在的簇形狀是凸面的，簇與簇之間區別較明顯，且簇大小相近時，其聚類結果較理想。前面提到，該演算法時間複雜度為o(tkmn)，與樣本數量線性相關，所以，對於處理大資料集合，該演算法非常高效，且伸縮性較好。但該演算法除了要事先確定簇數k和對初始聚類中心敏感外，經常以區域性最優結束，同時對「雜訊」和孤立點敏感，並且該方法不適於發現非凸面形狀的簇或大小差別很大的簇。
或許對上述描述，有人還是對kmeans演算法不太理解，下面通過形象化的圖形來加深理解。假設研究的資料點不是很多，小到還是可以用二維座標來表示（如下圖，大概有兩個類）。
取k=2，現隨機取兩個點（點1，點2），計算所有的點到點1、2的距離，形成c圖（紅色屬於點1的類，藍色屬於點2的類），計算各類的平均值（中心點）（如d圖）；以d圖中的兩個x點為k均值點，進行第二次迭代，再進行上述同樣的距離計算過程，直至圖f結束。演算法結束的條件是簇質心的距離的平方和最小（一般迭代次數大於k值）。
由kmeans演算法特點知道，演算法對雜訊和孤立點很敏感，需要作平滑去噪處理，把不必要的點去除；在作資料探勘時難以確定k值，因此canopy演算法比該演算法更有用武之地。可以先使用canopy找出最佳k值，然後kmeans聚類。kmeans演算法可用於聚類劃分，如淨化網路論壇，使用者的行為劃分尋找水軍的共同特徵；電子商務客商的消費行為，進而結合推薦系統投遞廣告。
public void kmeansclustering() ，x=,y=",
(i + 1), temp.getx(), temp.gety()));
system.out.println("----------");
system.out.println("結果值收斂");
// classpoints.size()=類數目
for (int i = 0; i < classpoints.size(); i++) ，x=,y=",
(i + 1), temp.getx(), temp.gety()));
mahout探索之旅 CART分類回歸演算法
cart 演算法原理與理解 cart演算法的全稱是分類回歸樹演算法，分類即劃分離散變數 回歸劃分連續變數。他與c4.5很相似，但是乙個二元分類，採用的是類似於熵的gini指數作為分類決策，形成決策樹之後還要進行剪枝，我自己在實現整個演算法的時候採用的是代價複雜度演算法。gini 指數主要是度量資料劃...
Second Life 軟體探索之旅
主題 日期 second life 客戶機，第 2 部分 深入研究文件 second life 客戶機的開發者文件採用了 wiki。在 second life 軟體探索之旅的第 2 階段，我們將檢視該文件，並使用它對客戶機進行一些修改。2007年5月31日 second life 客戶機，第 3 部...
Identity Core探索之旅 五
authorization，意為授權，當使用者登入後，使用者已經有了自己的身份資訊 我是誰 但是使用者也分層級，有普通使用者，vip使用者甚至管理員，我們現在要求只能管理員可以登入，怎麼做呢？很簡單，先了解下怎麼配置authorization。先在service中配置authorization se...