精选 | K-means++ 聚类算法和它的16种实现方式

在数据挖掘中，K-Means算法是一种cluster analysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。

先来看一个问题

K-Means算法主要解决的问题如下图所示。我们可以看到，在图的左边有一些点，我们用肉眼可以看出来有四个点群，但是我们怎么通过计算机程序找出这几个点群来呢？于是就出现了我们的K-Means算法。

（图片来自网络）

K-Means的演示

如果你以”K Means Demo“为关键字到Google里查你可以查到很多演示。这里推荐一个演示：http://home.dei.polimi.it/matteucc/Clustering/tutorial_html/AppletKM.html(需要墙)

操作是，鼠标左键是初始化点，右键初始化“种子点”，然后勾选“Show History”可以看到一步一步的迭代。这里提供一个不错的---->K Means Tutorial。

K-Means++算法

K-Means主要有两个最重大的缺陷——都和初始值有关：

K是事先给定的，这个K值的选定是非常难以估计的。很多时候，事先并不知道给定的数据集应该分成多少个类别才最合适。

K-Means算法需要用初始随机种子点来搞，这个随机种子点太重要，不同的随机种子点会有得到完全不同的结果。

K-Means++算法步骤

---

1. 先从我们的数据库随机挑个随机点当“种子点”。

2. 对于每个点，我们都计算其和最近的一个“种子点”的距离D(x)并保存在一个数组里，然后把这些距离加起来得到Sum(D(x))。

3. 然后，再取一个随机值，用权重的方式来取计算下一个“种子点”。这个算法的实现是，先取一个能落在Sum(D(x))中的随机值Random，然后用Random -= D(x)，直到其<=0，此时的点就是下一个“种子点”。

4. 重复第（2）和第（3）步直到所有的K个种子点都被选出来。

5. 进行K-Means算法。

---

关于这个算法的16种语言实现，可以在这里找到 “implement the K-means++ algorithm”（墙）---->

http://rosettacode.org/wiki/K-means%2B%2B_clustering

---

机器学习集训营

50人小班即满

最后 6 个名额疯抢中

7.10

>>即将开课<<

---

猛戳 阅读原文，了解更多集训营细节！