K-Means算法是無監(jiān)督的聚類算法，它實(shí)現(xiàn)起來比較簡單，聚類效果也不錯(cuò)，因此應(yīng)用很廣泛。K-Means算法有大量的變體，本文就從最傳統(tǒng)的K-Means算法講起，在其基礎(chǔ)上講述K-Means的優(yōu)化變體方法。包括初始化優(yōu)化K-Means++, 距離計(jì)算優(yōu)化elkan K-Means算法和大數(shù)據(jù)情況下的優(yōu)化Mini Batch K-Means算法。
1. K-Means原理初探
K-Means算法的思想很簡單，對(duì)于給定的樣本集，按照樣本之間的距離大小，將樣本集劃分為K個(gè)簇。讓簇內(nèi)的點(diǎn)盡量緊密的連在一起，而讓簇間的距離盡量的大。
如果用數(shù)據(jù)表達(dá)式表示，假設(shè)簇劃分為(
延伸閱讀
學(xué)習(xí)是年輕人改變自己的最好方式