K均值算法总结

这几天在一个项目上需要用到K均值聚类算法，以前都是直接利用百度老师copy一个Kmeans算法代码，这次想自己利用已知的算法思想编写一下，编写才知道，虽然熟悉了算法思想，真正实现时，还是遇到不少bug，这就是小学老师说的"眼高手低"，还是需要亲自动手实现一下，才算真正的掌握思想。

回顾一下Kmeas算法思想，将若干元素聚为k类，使之，每一类内的元素相似度较高，类间的元素相似度较低，达到将若干元素划分的目的，具体如下：

1.初始化质心，初始化质心有多种初始化方法，我熟知的有两种，随机选择k个元素，作为k个初始质心；利用最大最小原则初始化质心。

前者简单，不做解释，重点解释一下后者，"最大最小"

这里，两个元素距离较近，认为是相似的，距离较远，相似度低

1）第一个质心是随机选取的，这里用随机数作为第一个质心

2）第二个质心的选择：选取剩下的元素到第一个质心的相似度的最小值，作为第二个质心（通俗理解是找一个距离第一个质心最远的元素）

3）第三个质心的选择：找一个距离第一个，第二个质心最远的元素（剩下的元素到第一个，第二个质心的相似度=max(sim(元素，第一个质心)，sim(元素，第二个质心))），然后min（max(sim(元素，第一个质心)，sim(元素，第二个质心))），这就是最大最小的具体体现。

4）剩下的质心选择同3）

2.在确定了K个初始质心之后，然后对剩下的n-k个元素，划分到距离最近的质心中，这样每个簇中就多于1个元素

3.更新每一个簇中的质心

4.求每个簇的误差，进而求总误差，如果满足阈值要求，就终止算法，不满足进入5.

5.迭代对每个元素执行2中的划分，质心不再变化，就终止算法，否则就继续更新质心，执行5.

下面是算法代码：

http://yunpan.cn/cyRsyLbzwqekE  提取码 edb0