k-means演算法小結
資料離散化是資料預處理的乙個非常重要的步驟，就是將連續的資料分成幾個段。
舉個簡單例子，好比我們乙個班上的學生成績是從0-·100分之間的，但是我們在進行資料分析的時候呢我們把這些分數分成不及格、及格、良好、優秀四大類，實際上就是將比較連續的分數給離散化成了4種可能取值。
那這樣做有什麼好處呢？
一些資料探勘演算法中（比如apriori演算法），要求資料是分類屬性形式。因此，就需要在資料預處理階段將連續屬性的數給它離散化，除此之外離散化還具有以下好處：
當然，一切都還是看業務需要。
離散化的工作很容易理解，就是依照一定規律把寫資料給分成少數的幾類。那這個規律是什麼呢？
常用的離散化方法有：
我們重點研究一下k-means演算法。
聚類分析是在資料中發現資料物件之間的關係，將資料進行分組，組內的相似性越大，組間的差別越大，則聚類效果越好。
為什麼這麼說呢？就像最前面那個成績聚類的例子，我們以60分為界限劃分及格和不及格，那60分的同學真的就比59分的同學優秀麼？其實他們可能根本就是一類人。
所以，我們希望能有演算法將這些資料更科學的離散化，就是讓類和類之間的區分更大，不再殘忍地把59.5和60給分割成不同的兩個世界。
k-means 演算法簡單說，就是乙個do-while迴圈。
偽**如下：
選擇k個點作為初始質心
repeat
將每個點指派到最近的質心，形成k個簇
重新計算每個簇的質心
until 簇不發生變化或達到最大迭代次數
我們通過乙個具體的例子來理解一下。大家想象一下，假設操場上有20個學生隨機地站在那不動，我們想把他們分成5組，用k-means演算法該怎麼分呢？
從上面兩個小結的描述可以看出來，k-means演算法的關鍵有三點：（1）我們怎麼知道要分幾類？也就是說這個k是怎麼確定的？（2）k確定了後，怎樣確定k個初始的中心點呢？（3）各個點到中心點的距離是怎麼算得？
離散化及其寫法
離散化是演算法競賽中常常要用到的一種技巧，經常會出現在一些資料結構的題目中，和一些資料結構結合起來。試想，假如你現在看到了一道線段樹的裸題，在你極其興奮的同時發現資料範圍是1 1e10的，開4倍的線段樹根本開不下。於是你極其懊惱地只拿了部分分，可能還會因為心情不好而出鍋爆零 逃 所以這裡來講一下離散...
Kmeans演算法及其示例
kmeans是簡單的聚類分析演算法。其常用在資料分析與人工智慧中。簡單說，kmeans演算法就是把乙個集合中的東西分為若干子集，這幾個子集內的元素具有空間相近或者特點相近。做法 1.隨機選取k各中心點，生成對應的k個簇。2.遍歷所有的資料點，依據 距離 將每乙個資料點劃分到最近的中心點所在的簇。3....
K means演算法及其優化
聚類演算法是一種典型的無監督學習演算法，主要用於將相似的樣本自動歸到乙個類別中。聚類演算法與分類演算法最大的區別是 聚類演算法是無監督的學習演算法，而分類演算法屬於監督的學習演算法。在聚類演算法中根據樣本之間的相似性，將樣本劃分到不同的類別中，對於不同的相似度計算方法，會得到不同的聚類結果，常用的相...