数据挖掘十大经典算法之——K-Means 算法

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sunyaowu315/article/details/88838486

数据挖掘十大经典算法系列，点击链接直接跳转：

• 数据挖掘简介及十大经典算法（大纲索引）
• 1. 数据挖掘十大经典算法之——C4.5 算法
• 2. 数据挖掘十大经典算法之——K-Means 算法
• 3. 数据挖掘十大经典算法之——SVM 算法
• 4. 数据挖掘十大经典算法之——Apriori 算法
• 5. 数据挖掘十大经典算法之——EM 算法
• 6. 数据挖掘十大经典算法之——PageRank 算法
• 7 数据挖掘十大经典算法之——AdaBoost 算法
• 8. 数据挖掘十大经典算法之——KNN 算法
• 9. 数据挖掘十大经典算法之——Naive Bayes 算法
• 10. 数据挖掘十大经典算法之——CART 算法

简介

K-Means是一个简单的聚类算法，把n 的对象根据他们的属性分为k 个分割，k < n。算法的核心就是要优化失真函数J,使其收敛到局部最小值但不是全局最小值。
，其中N 为样本数，K 是簇数，rnk b 表示n 属于第k 个簇，uk 是第k 个中心点的值。然后求出最优的uk

优点：算法速度很快。

缺点是，分组的数目k 是一个输入参数，不合适的k 可能返回较差的结果。