溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關k-means算法是什么，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。
聚類算法屬于無監督的機器學習算法，即沒有類別標簽y，需要根據數據特征將相似的數據分為一組。k-means為聚類算法中最簡單、常見的一種，通過計算距離，將相似性高的數據分在一起。
算法流程
隨機選擇k個點作為聚類中心，計算其他點與中心點的距離，選擇距離最近的中心并歸類，歸類完成后計算每類的新中心點，重新計算每個點與中心點的聚類并選擇距離最近的歸類，重復此過程，直至中心點不再變化。
需要注意的是，使用k-means算法時，要先確認k的值，即想分為幾類，k值一般設定為3-5。下圖為從網上截取的圖片，可以直觀看到通過4次迭代，將點聚為3個簇（cluster）的過程。
R語言實現
在R中實現k-means聚類，可以直接使用kmeans()函數。在下面的例子中，我們使用iris數據集進行演示。
顏色代表聚類后得到的結果，形狀代表真實的劃分，“*”為聚類中心點。如下可查看每個樣本點的聚類結果：
python實現
在python中實現k-means聚類，可以使用sklearn.cluster中的KMeans()函數同樣使用iris數據集進行演示。
顏色代表聚類后得到的結果。
k-means優缺點
優點：
（1）算法原理簡單，聚類速度快。
（2）容易實現。
缺點：
（1）k值需要事先給定，有時候不知道分成幾類最合適。
（2）初始中心點的選擇會影響聚類效果。這也是為什么每次進行聚類后，得到結果不同的原因。
（3）因為通過距離判斷點的相似度進行聚類，因此k-means算法有一定的使用局限。當潛在簇的形狀為大小相近的近似圓形，且每個簇之間聚類較明顯，k-means聚類結果比較理想。
關于k-means算法是什么就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
