机器学习-K-means聚类算法

K-means算法是聚类算法中的一种，其中K为类别数，means表示均值，基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。然后按平均法重新计算各个簇的质心(这个点可以不是样本点)，从而确定新的簇心。一直迭代，直到簇心的移动距离小于某个给定的值。

算法步骤

（1）为待分类的点寻找聚类中心；
（2）计算每个点到聚类中心的距离，将每个点聚类到离它最近的聚类中心处；
（3）计算每个聚类中所有点的坐标平均值，将该平均值作为新的聚类中心；
（4）反复执行步骤（2）、（3），直到聚类中心不发生大幅度改变或者达到迭代次数为止。
求点群中心点的算法可以像上述那样用各个点的X/Y坐标的平均值。不过还有其它算法求中心点的的公式：

求点群中心的算法

1）Minkowski Distance公式——λ可以随意取值，可以是负数，也可以是正数，或是无穷大。

2）2）Euclidean Distance公式——也就是第一个公式λ=2的情况

3）CityBlock Distance公式——也就是第一个公式λ=1的情况