How the K-mean Cluster work

资 源 简 介

How the K-mean Cluster workStep 1. Begin with a decision the value of k = number of clusters Step 2. Put any initial partition that classifies the data into k clusters. You may assign the training samples randomly， or systematically as the following: Take

详 情 说 明

在使用K均值聚类算法时，通常需要遵循以下步骤：

步骤1：确定聚类的数目k的值。

步骤2：将数据划分为k个簇。你可以随机地分配训练样本，或者按以下方法系统地分配训练样本：取前k个训练样本作为单个元素的簇，将剩余的（N-k）个训练样本分配到最近质心的簇中。在每次分配后，重新计算获得簇的质心。

步骤3：按顺序处理每个样本，并计算其与每个簇的质心之间的距离。如果当前样本不属于具有最近质心的簇，则将该样本切换到该簇，并更新获得新样本的簇和失去样本的簇的质心。

步骤4：重复步骤3，直到达到收敛，即通过训练样本的一次遍历不再产生新的分配为止。在这个过程中，你可以添加其他聚类算法来提高聚类效果，例如谱聚类或层次聚类。