k-mean演算法屬於非監督類演算法，模型相對簡單。
目標函式 j = sum（dj*i）
演算法：1、初始化k個點；
2、樣本xi,到k個點的距離為
dk = ||xi - uk||;
j = argmin（j） dk；
xi屬於cj；
3、更新引數：
uk = sum（xi*i）/sum(i);
重複2和3，終止條件j的變化很小或者uk變化很小。
整個演算法結束了，但是結果是區域性最優，初始值很重要，所以很多時候會多次初始化重複計算，找到乙個穩定的解。
缺點與優點：
優點：1、模型簡單、速度快；
2、對處理資料，具有很強的伸縮性和高效性；
缺點：1、k的值很難確定；
2、對雜訊很敏感；
聚類及K mean演算法
首先什麼是聚類，和分類有什麼區別，這裡講乙個例子，比如有一群學生考完期末考試，現在要根據他們的成績把他們劃分成幾個小組，讓老師分別進行輔導，這時候，你不知道要劃分幾個小組比較好，但你可以根據他們的成績，比較成績接近的歸到乙個小組，這個過程就是聚類，另一種情況是直接給出了90分段的乙個小組，80分段的...
Kmean聚類演算法原理python實現
kmean聚類演算法是基於距離對物件進行分類的演算法，該演算法實現步驟如下 1 確定初始資料簇質心，質心的數量與需要分的類的數量一致 2 將資料集中的每乙個物件與不同質心計算距離，並將其分類到最近的質心簇中 3 更新資料簇質心，迭代計算，直到資料簇質心不再變化或者分類精度達到要求時，停止演算法。如下...
sklearn機器學習 聚類演算法K Means
n init k均值演算法將在不同質心種子下執行的次數。就慣性而言，最終結果將是n init個連續執行的最佳輸出。max iter 單次執行的k均值演算法的最大迭代次數。tol 預設 1e 4，關於frobenius範數的相對容差，該範數表示兩個連續迭代的聚類中心的差異，以宣告收斂。precompu...