1、引言

  k-means算法主要是用来解决什么问题呢？主要是用来解决类似于这样的问题：聚类，如一次班级聚餐，平时玩的好的同学，就会自动的聚集在一起愉快的玩耍。那么什么样才算平时玩的好呢？请看k-means算法。

K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。

2、以一个实例来描述k-means算法：

题目：使用K-均值算法把表5-3中的8个点聚为3个簇，假设第一次迭代选择序号1、序号4和序号7当作初始点，请给出第一次执行后的3个聚类中心以及聚类最终的3个簇。

解：

假设每个对象有m个属性，可以把一个对象视为m维空间的一个点，n个对象就是m维空间的n个点。

k-means(n=8,k=3)主要步骤：

第一次迭代：假设第一次选择序号1、序号4和序号7，分别找到离三点最近的对象，并产生三个簇{1}、{3,4,5,6,8}和{2,7}，具体计算见下表：

对于产生的簇分别计算平均值，得到平均值点（将属性值直接平均即可）：

{1}->{2,10}

{3,4,5,6,8}->{6,6}

{2,7}->{1.5,3.5}

第二次迭代：以{2,10}，{6,6}，{1.5,3.5}为中心值，再次执行第一次迭代步骤。

第三次迭代：…..一直到最后一次迭代后产生的簇与上一次的相同，停止迭代，则该簇为最终簇。

3、Word文档下载

（1）http://download.csdn.net/detail/u012339743/8827581

原文作者：Joe Chael

原文地址：http://blog.csdn.net/qingdujun/article/details/46591701