k-means算法学习

k-means算法是数据挖掘十大经典算法之一。

首先选择一个参数k，代表k次迭代，选择要分类的类数c，随机选择c个点，计算其他点到这c个点的距离，归为距离最近的中心点，然后计算每个类的均值、中值等，重新划分中心点，当分类后的结果与上一次的结果相差不大时，结束。

算法流程：

输入：k，data[n]

1、选择k个初始中心点，例如c[0] = data[0]......c[n-1] = data[n-1]

2、对于data[0]...data[n-1]，分别与c[0]...c[n-1]进行距离比较，假定与c[i]的距离最小，就标记为i

3、对于所有标记为i的点，重新进行计算c[i] = (所有标记为i的data[j]之和) / 标记为i的个数

4、重复2、3，直到所有c[i]值的变化即归类的变化小于给定的阈值

坐标可以是任意维度的，例如分类药物，对药物进行特征提取，第一个为weight index，第二个为ph，则建立的为二位坐标系，但注意的是，一定要量化特征为数字，然后构建向量空间。

优点：速度快，简单

缺点：结果依赖于初始点的选择，容易陷入局部最优解