Kmeans聚类算法

K-means聚类

目标：基于有限的指标将样本划分为K类

1，随机选定K个值作为初始聚类中心

2，求每个样本与K个聚中心的距离，取最近的中心，作为该样本的标记中心
3，求各个聚类簇的均值，得出k个新的中心点
       如果与旧中心点一样，结束聚类过程

       如果与旧中心点不一样，将新的中心点作为聚类中心重复第二步

 

确定K中心点个数的方法：1，经验法

2，手肘法，通过观察中心点K数量和簇内误方差SSE相关曲线，找到最低的一个点就是最佳的K值

 

 

3，轮廓系数

sc=(bi-ai)/max(bi,ai)

ai:样本i到同簇其他样本的平均距离——簇内不相似度

bi:样本i到其他某簇的所有样本的平均距离取最小值——簇间不相似度

 

 

 

 计算轮廓系数sc，越接近1越好

所有样本的sc的均值即为改聚类结果的均值