Day11 K平均演算法(K-means clustering algorithm)

什麽是K平均演算法?

讲人话就是从所有资料当中乱数选择K个中心点，把个别资料依照最近的中心点分成K群，将每群的平均值当成新K个中心点，再分成K群，最终资料会收敛成K个彼此接近的群体。

浅谈K平均演算法

"物以类聚，人以群分"，K平均演算法是属於非监督学习的一种，主要用於分群，要如何知道K值的起始值(随机给予的中心点)?使用K-means++，会让起始值尽量保持较远的距离，加快收敛的速度。要如何选择K值?假如能很明确知道要分成几类，K值就很容易选择了，假如不明确的话，网路上应该有方法(我没查)。要如何选择合适的距离计算方式?只要你觉得合理几乎都可以用(好像有讲跟没讲一样)。

优点:

速度快且易解释。
资料已排除极端值，结果较不易受到影响。
资料皆为数值型。
样本规模差异不大。