`
fufeng
  • 浏览: 75506 次
社区版块
存档分类
最新评论

聚类分析(二) K-MEANS

阅读更多

K-means 算法

一般情况,聚类算法可以划分为以下几类:划分方法(partitioning method )、层次方法(hierarchical methods )、基于密度的方法(density-based methods )、基于网格的方法(grid-based methods )、基于模型的方法(model-based methods.k-means 算法属于划分方法中的一种。

K-means 算法的整个流程:首先从聚类对象中随机选出K 个对象作为类簇的质心(当然了,初始参数的K 代表聚类结果的类簇数),对剩余的每个对象,根据它们分别到这个K 个质心的距离,将它们指定到最相似的簇(因为K-means 是利用距离来量化相似度的,所以我们这里可以理解为是“将它们指定到离最近最近距离的质心所属类簇”)。然后重新计算质心位置。以上过程不断反复,直到准则函数收敛为止。通常采用平方误差准则,定义如下:

聚类分析(二) <wbr>K-MEANS

其中,E 代表的意思是所有类簇中各对象到其所属类簇质点平方误差和.

K: 聚类结果类簇个数

Ci: i 个类簇

P :类簇中聚类对象

mi: i 个类簇的质心


K-means 的优点和不足:能处理大型数据集,结果簇相当紧凑,并且簇和簇之间明显分离。计算复杂性O(tkn) t: 迭代次数、K :聚类数 n: 样本数;但是

1) 该算法必须事先给定类簇数和质点,簇数和质点的初始值设定往往会对聚类的算法影响较大。

2 ) 通常会在获得一个局部最优值时停止,

3 ) 并且只适合对数值型数据聚类,

4) 只适用于聚类结果为凸形的数据集,K-means 方法不适合发现非凸面形状的类簇,或者大小差别很大的簇。

5) 噪音 和孤立点数据敏感,少量的该类数据对质点的计算会产生极大的影响。

关于K-means的代码实现网上有很多,java版的本人自己也实现了,有需要则可以留下MAIL。:)

分享到:
评论

相关推荐

Global site tag (gtag.js) - Google Analytics