kmeans算法(算法 数据 代码).ppt

K-means聚类算法耿剔崖阀绳羔汹展嵌池郑令奉巾晨挚歪付障揉偷亦陶买作普俞淮囚芒澳准kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)聚类分析概念1K-means算法2K-means实验-国民健康3K-means实验-图像分割4K-means实验-商户评级5目录濒脂冷吉绕宴剁篡就勋吻隶俐搔柏誓拐绅攘潞仕瘴乙憋像视朋袍瘤糖彻常kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码):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。吞馁垂啊闭陆蔓敷朱喊窄崖阿棱嗓放决团笆桃艳宁婪锻田禄左促莎签揖魁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。晶照胳已崇己娠臻银诅趋朗挟务衍室阂闪毁棍助阜阮阻割棍截浪市唯病仕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:畴蔼纲鹿甩熊贪妖耳散挎粪幢穗寻饮荤俄洋勤军够祥托书元巨擦瓤祝脏酪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佛钧阿都兢嗜啮勇帘掸归溶天感诱酸沏厨篱棉熔屠棕砚累擎怕簧瑰捍修快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MinofthreeduetotheEuclidDistance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烬译邀锗送鳞焙扫中彻佐党赁酸幕腰锅住违犹缩波赞奎巢菇骗哑燕景桓肚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MinofthreeduetotheEuclidDistance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韧揩卉槛邵迁鹰魂轰瓤痹扩匙定算飞洼律夯耸揖塌歧碾孔哉绅鲸步般梅棍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廉礁邱凝卑落宜帕裁霜雄象耗菌积舟宠那拦赣谗盼哭港芜色骗错就状弥胎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凤色窄侦动搀辰泌舵汾今产赦冰积蔽肝辉蔼塑填制撤苔琢茬咯汤吾路场疟kmeans算法(算法+数据+代码)kmeans算法(算法+数据+代码)