k-means演算法通常可以應用於維數、數值都很小且連續的資料集，比如：從隨機分布的事物集合中將相同事物進行分組。
1.文件分類器
根據標籤、主題和文件內容將文件分為多個不同的類別。這是乙個非常標準且經典的k-means演算法分類問題。首先，需要對文件進行初始化處理，將每個文件都用向量來表示，並使用術語頻率來識別常用術語進行文件分類，這一步很有必要。然後對文件向量進行聚類，識別文件組中的相似性。 這裡是用於文件分類的k-means演算法實現案例。
2.物品傳輸優化
使用k-means演算法的組合找到無人機最佳發射位置和遺傳演算法來解決旅行商的行車路線問題，優化無人機物品傳輸過程。這是該項目的***。
3.識別犯罪地點
使用城市中特定地區的相關犯罪資料，分析犯罪類別、犯罪地點以及兩者之間的關聯，可以對城市或區域中容易犯罪的地區做高質量的勘察。這是基於德里飛**報區犯罪資料的**。
4.客戶分類
聚類能過幫助營銷人員改善他們的客戶群（在其目標區域內工作），並根據客戶的購買歷史、興趣或活動監控來對客戶類別做進一步細分。這是關於電信運營商如何將預付費客戶分為充值模式、傳送簡訊和瀏覽**幾個類別的***。對客戶進行分類有助於公司針對特定客戶群制定特定的廣告。
5.球隊狀態分析
分析球員的狀態一直都是體育界的乙個關鍵要素。隨著競爭越來愈激烈，機器學習在這個領域也扮演著至關重要的角色。如果你想建立乙個優秀的隊伍並且喜歡根據球員狀態來識別類似的球員，那麼k-means演算法是乙個很好的選擇。具體細節和實現請參照這篇文章。
6.保險欺詐檢測
機器學習在欺詐檢測中也扮演著乙個至關重要的角色，在汽車、醫療保險和保險欺詐檢測領域中廣泛應用。利用以往欺詐性索賠的歷史資料，根據它和欺詐性模式聚類的相似性來識別新的索賠。由於保險欺詐可能會對公司造成數百萬美元的損失，因此欺詐檢測對公司來說至關重要。這是汽車保險中使用聚類來檢測欺詐的***。
7.乘車資料分析
面向大眾公開的uber乘車資訊的資料集，為我們提供了大量關於交通、運輸時間、高峰乘車地點等有價值的資料集。分析這些資料不僅對uber大有好處，而且有助於我們對城市的交通模式進行深入的了解，來幫助我們做城市未來規劃。這是一篇使用單個樣本資料集來分析uber資料過程的文章。
8.網路分析犯罪分子
網路分析是從個人和團體中收集資料來識別二者之間的重要關係的過程。網路分析源自於犯罪檔案，該檔案提供了調查部門的資訊，以對犯罪現場的罪犯進行分類。這是一篇在學術環境中，如何根據使用者資料偏好對網路使用者進行 cyber-profile的**。
9.呼叫記錄詳細分析
通話詳細記錄（cdr）是電信公司在對使用者的通話、簡訊和網路活動資訊的收集。將通話詳細記錄與客戶個人資料結合在一起，這能夠幫助電信公司對客戶需求做更多的**。在這篇文章中，你將了解如何使用無監督k-means聚類演算法對客戶一天24小時的活動進行聚類，來了解客戶數小時內的使用情況。
10.it警報的自動化聚類
大型企業it基礎架構技術元件（如網路，儲存或資料庫）會生成大量的警報訊息。由於警報訊息可以指向具體的操作，因此必須對警報資訊進行手動篩選，確保後續過程的優先順序。對資料進行聚類可以對警報類別和平均修復時間做深入了解，有助於對未來故障進行**。
十大經典資料探勘演算法 k means
作者簡介 treant 人工智慧愛好者社群專欄作者 部落格專欄 1 引言k means與knn雖然都是以k打頭，但卻是兩類演算法 knn為監督學習中的分類演算法，而k means則是非監督學習中的聚類演算法 二者相同之處 均利用近鄰資訊來標註類別。聚類是資料探勘中一種非常重要的學習流派，指將未標註的...
資料探勘十大經典演算法（二） K Means
簡介 k means是一種常用的非監督式聚類演算法，其中k代表聚類的類別數量，means代表均值。是基於劃分的聚類演算法，物件之間的相似度使用距離來衡量。演算法步驟 1 選取k個資料作為初始聚類中心 可以隨機選取也可以指定 2 對其餘資料計算與k個聚類中心的距離，並歸類在距離最小的聚類中心所代表的類...
Hash演算法應用場景
一.雜湊演算法的定義 1.雜湊演算法又叫雜湊演算法，是將任意長度的二進位制值對映為較短的固定長度的二進位制值，這個小的二進位制值稱為雜湊值。它的原理其實很簡單，就是把一段交易資訊轉換成乙個固定長度的字串。2.雜湊表是基於快速訪問的角度設計的，是一種典型的空間換時間的做法，二.從set map談到ha...