ML之Clustering之K-means：K-means算法简介、应用、经典案例之详细攻略

---

K-means算法简介

        K-均值是著名聚类算法，它找出代表聚类结构的k个质心。如果有一个点到某一质心的距离比到其他质心都近，这个点则指派到这个最近的质心所代表的簇。依次，利用当前已聚类的数据点找出一个新质心，再利用质心给新的数据指派一个簇。
        上图所示，用“x”表示聚类质心，用点表示训练样本：

• a) 原始数据集
• b) 随机初始化聚类质心
• c) (c-f)k-均值迭代2次的示意图

        在每次迭代中每个训练样例都被指派到一个最近的聚类质心，每个聚类质心被移动到分配给它的点的平均值的位置。

1、K-means算法适用的数据类型

2、K-Means算法的全局最优解和局部最优解的比较

1、K-means算法的过程及其主要思路

2、K-means原理的理解可视化

让你更加容易它的算法过程
https://www.naftaliharris.com/blog/visualizing-k-means-clusteringniu/

K-means算法经典案例

相关文章
ML之K-means：基于K-means算法利用电影数据集实现对top 100 电影进行文档分类
ML之K-means：基于(完整的)手写数字图片识别数据集利用K-means算法实现图片聚类
ML之K-means：基于DIY数据集利用K-means算法聚类(测试9种不同聚类中心的模型性能)

1、K-means的一个应用是分类手写数字

这种算法可以在数字识别上得到相当好的结果，
参阅：http://ieeexplore.ieee.org/document/6755106/?reload=true

     假设我们有用像素亮度的长向量表示的数字的图像。假设这些图像是黑白两色的，大小为 64×64 像素。每个像素代表一个维度。那么这些图像就生活在一个有 64×64=4096 个维度的世界里。在这个 4096 维的世界里，K 均值聚类让我们可以按接近程度对这些图像分组，并且假设这些靠得很近的图像都是同一个数字。

2、K-means算法实现聚类

相关文章
K-means聚类分析
机器学习公开课笔记(8)：k-means聚类和PCA降维