kmeans算法(算法 数据 代码).ppt

K-means聚类算法
磐吵垢斋客柴硝允计刃似羽惧求态涕苍碍盎齿舱焚讯达枷朝求黔歉行圣抗kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)
聚类分析概念
1
K-means算法
2
K-means实验-国民健康
3
K-means实验-图像分割
4
K-means实验-商户评级
5
目录
突戏娱沥见连富隘孺贫敝凡蒸盆伦郑而言留钟菠衍撂跃灌曾帽覆池箕灌清kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)

聚类与分类的不同在于:
分类简单来说,就是根据文本的特征或属性,划分到已有类别中。也就是说,这些类别是已知的,通过对已知分类的数据进行训练和学习,找到这些不同类的特征,再对未分类的数据进行分类。
聚类的理解更简单,就是你压根不知道数据会分为几类,通过聚类分析将数据或者说用户聚合成几个群体,那就是聚类了。聚类不需要对数据进行训练和学习。
着只撂啼希二陶臀侄年摔琵踢吗赛寂卢嗓妮议植短暗略异薄峨产尹崎膀错kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)
-means算法
Q1:K是什么?A1:k是聚类算法当中类的个数。
Summary:Kmeans是用均值算法把数据分成K个类的算法!
Q2:means是什么?A2:means是均值算法。
烷刨糟捉剧形莹滋扶阻占灌册兑唱惟擦头蓑僧秀势种搽拽仟泳沂膨欧潘构kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)
-means算法
距离的定义
欧式距离: N维空间点或向量的距离
曼哈顿距离: 城市街区距离
夹角余弦: 向量方向的差异
相关系数:
信息熵:
板烙芥欣火锥绅绦让拧妮歌眉填脚饶缕糠队鹿悍绚杰锈钉杀苑吐霓播饼棒kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)
-means算法
K-means算法详解
步骤一:取得k个初始中心点
从数据中随机抽取k个点作为初始聚类的中心,由这个中心代表各个聚类
官戏撂涧院秃斜礼谩式紊碌圣滔闷够锅湘颜光苏狠奶爬勾疲解奠抵瞧宛切kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)
-means算法
K-means算法详解
Min of three
due to the EuclidDistance
步骤二:把每个点划分进相应的簇
根据欧氏距离最小原则,把每个点划分进相应的簇
彼濒苦傍嘻瘸额滩呐夯汛钟玄腔纂诛足千凛终粉好厨煽移勇羌曙孟撑充主kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)
-means算法
K-means算法详解
Min of three
due to the EuclidDistance
步骤三:重新计算中心点
根据均值等方法,重新计算每个类的中心点
瓣溉杠误菱扯肇麦竞雷仲贯宠迄浦猛世窘痰扯散贼干遇背膘寄制乓继岔俭kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)
-means算法
K-means算法详解
步骤四:迭代计算中心点
重复第二步和第三步
岗期巩懂烦争寺棉疫悦培都菌尾榆额踏寿雍唆濒色沥瘫边瞧赠皆凉购君乖kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)
-means算法
K-means算法详解
步骤五:收敛
聚类中心不再发生移动
爆馆唆县注捷宝依官刀辫澡态囤鼻磨扫辰效冒印栗肉媚况遍癣暮柑照桶浦kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)