文章目录
一、 K-Means 聚类算法流程
二、 二维数据的 K-Means 聚类
1、 第一次迭代
2、 第二次迭代
参考博客 :
【数据挖掘】聚类算法 简介 ( 基于划分的聚类方法 | 基于层次的聚类方法 | 基于密度的聚类方法 | 基于方格的聚类方法 | 基于模型的聚类方法 )
【数据挖掘】基于划分的聚类方法 ( K-Means 算法简介 | K-Means 算法步骤 | K-Means 图示 )
【数据挖掘】K-Means 一维数据聚类分析示例
【数据挖掘】K-Means 二维数据聚类分析 ( K-Means 迭代总结 | K-Means 初始中心点选择方案 | K-Means 算法优缺点 | K-Means 算法变种 )
一、 K-Means 聚类算法流程
K-Means 算法 步骤 : 给定数据集 X \rm XX , 该数据集有 n \rm nn 个样本 , 将其分成 K \rm KK 个聚类 ;
① 中心点初始化 : 为 K \rm KK 个聚类分组选择初始的中心点 , 这些中心点称为 Means ; 可以依据经验 , 也可以随意选择 ;
② 计算距离 : 计算 n \rm nn 个对象与 K \rm KK 个中心点 的距离 ; ( 共计算 n × K \rm n \times Kn×K 次 )
③ 聚类分组 : 每个对象与 K \rm KK 个中心点的值已计算出 , 将每个对象分配给距离其最近的中心点对应的聚类 ;
④ 计算中心点 : 根据聚类分组中的样本 , 计算每个聚类的中心点 ;
⑤ 迭代直至收敛 : 迭代执行 ② ③ ④ 步骤 , 直到 聚类算法收敛 , 即 中心点 和 分组 经过多少次迭代都不再改变 , 也就是本次计算的中心点与上一次的中心点一样 ;
给定 一组样本 , 和 一组中心点 , 计算 所有样本 到 所有中心点 的距离 , 给样本 分组 , 计算分好组的样本的中心点 , 重新计算所有样本到所有中心点的距离 , 继续进行分组 , 一直迭代执行上述操作 , 直到连续两次样本分组不再变化 ;
二、 二维数据的 K-Means 聚类
给定数据集 { A 1 ( 2 , 4 ) , A 2 ( 3 , 7 ) , B 1 ( 5 , 8 ) , B 2 ( 9 , 5 ) , C 1 ( 6 , 2 ) , C 2 ( 4 , 9 ) } \rm \{ A_1 ( 2 , 4 ) , A_2 ( 3 , 7 ) , B_1 ( 5 , 8 ) , B_2 ( 9 , 5 ) , C_1 ( 6 , 2 ) , C_2 ( 4 , 9 ) \}{A
1
(2,4),A
2
(3,7),B
1
(5,8),B
2
(9,5),C
1
(6,2),C
2
(4,9)} , 初始中心点 { A 1 ( 2 , 4 ) , B 1 ( 5 , 8 ) , C 1 ( 6 , 2 ) } \rm \{ A_1 ( 2 , 4 ) , B_1 ( 5 , 8 ) , C_1 ( 6 , 2 ) \}{A
1
(2,4),B
1
(5,8),C
1
(6,2)} , 使用 K-Means 算法对数据集进行聚类分析 ;
曼哈顿距离计算方式 : 以计算 A 1 ( 2 , 4 ) \rm A_1 ( 2 , 4 )A
1
(2,4) 与 B 1 ( 5 , 8 ) \rm B_1 ( 5 , 8 )B
1
(5,8) 的距离为例 ;
d ( A 1 , B 1 ) = ∣ 2 − 5 ∣ + ∣ 4 − 8 ∣ = 7 \rm d(A_1 , B_1) = | 2-5 | + | 4-8 | = 7d(A
1
,B
1
)=∣2−5∣+∣4−8∣=7
1、 第一次迭代
第一次迭代 : 计算每个样本值与每个中心点的距离 , 将样本分类到最近的中心点所在的分组 , 计算每个分组新的中心值 ;
A 1 ( 2 , 4 ) A_1 ( 2 , 4 )A
1
(2,4) A 2 ( 3 , 7 ) A_2 ( 3 , 7 )A
2
(3,7) B 1 ( 5 , 8 ) B_1 ( 5 , 8 )B
1
(5,8) B 2 ( 9 , 5 ) B_2 ( 9 , 5 )B
2
(9,5) C 1 ( 6 , 2 ) C_1 ( 6 , 2 )C
1
(6,2) C 2 ( 4 , 9 ) C_2 ( 4 , 9 )C
2
(4,9)
A 1 ( 2 , 4 ) A_1 ( 2 , 4 )A
1
(2,4) 0 00 4 44 7 77 8 88 6 66 7 77
B 1 ( 5 , 8 ) B_1 ( 5 , 8 )B
1
(5,8) 7 77 3 33 0 00 7 77 7 77 2 22
C 1 ( 6 , 2 ) C_1 ( 6 , 2 )C
1
(6,2) 6 66 8 88 7 77 6 66 0 00 9 99
新的聚类分组 :
① 聚类 1 11 : { A 1 } \{ A_1 \}{A
1
}
② 聚类 2 22 : { A 2 , B 1 , C 2 } \{ A_2 , B_1 , C_2 \}{A
2
,B
1
,C
2
}
③ 聚类 3 33 : { B 2 , C 1 } \{ B_2 , C_1 \}{B
2
,C
1
}
新的中心点计算 :
C 1 = ( 2 , 4 ) \rm C_1 = (2, 4)C
1
=(2,4)
C 2 = ( 3 + 5 + 4 3 , 7 + 8 + 9 3 ) = ( 4 , 8 ) \rm C_2 =( \cfrac{3 + 5 + 4}{3} , \cfrac{7 + 8 + 9}{3}) = ( 4 , 8 )C
2
=(
3
3+5+4
,
3
7+8+9
)=(4,8)
C 3 = ( 9 + 6 2 , 5 + 2 2 ) = ( 7 , 3 ) \rm C_3 = ( \cfrac{9 + 6 }{2} , \cfrac{5 + 2}{2}) = ( 7 , 3 )C
3
=(
2
9+6
,
2
5+2
)=(7,3)
2、 第二次迭代
第二次迭代 : 计算每个样本值与每个中心点的距离 , 将样本分类到最近的中心点所在的分组 , 计算每个分组新的中心值 ;
A 1 ( 2 , 4 ) A_1 ( 2 , 4 )A
1
(2,4) A 2 ( 3 , 7 ) A_2 ( 3 , 7 )A
2
(3,7) B 1 ( 5 , 8 ) B_1 ( 5 , 8 )B
1
(5,8) B 2 ( 9 , 5 ) B_2 ( 9 , 5 )B
2
(9,5) C 1 ( 6 , 2 ) C_1 ( 6 , 2 )C
1
(6,2) C 2 ( 4 , 9 ) C_2 ( 4 , 9 )C
2
(4,9)
( 2 , 4 ) ( 2 , 4 )(2,4) 0 00 4 44 7 77 8 88 6 66 7 77
( 4 , 8 ) ( 4 , 8 )(4,8) 6 66 2 22 1 11 8 88 8 88 1 11
( 7 , 3 ) ( 7 , 3 )(7,3) 6 66 8 88 7 77 4 44 2 22 9 99
新的聚类分组 :
① 聚类 1 11 : { A 1 } \{ A_1 \}{A
1
}
② 聚类 2 22 : { A 2 , B 1 , C 2 } \{ A_2 , B_1 , C_2 \}{A
2
,B
1
,C
2
}
③ 聚类 3 33 : { B 2 , C 1 } \{ B_2 , C_1 \}{B
2
,C
1
}
新的中心点计算 :
C 1 = ( 2 , 4 ) \rm C_1 = (2, 4)C
1
=(2,4)
C 2 = ( 3 + 5 + 4 3 , 7 + 8 + 9 3 ) = ( 4 , 8 ) \rm C_2 =( \cfrac{3 + 5 + 4}{3} , \cfrac{7 + 8 + 9}{3}) = ( 4 , 8 )C
2
=(
3
3+5+4
,
3
7+8+9
)=(4,8)
C 3 = ( 9 + 6 2 , 5 + 2 2 ) = ( 7 , 3 ) \rm C_3 = ( \cfrac{9 + 6 }{2} , \cfrac{5 + 2}{2}) = ( 7 , 3 )C
3
=(
2
9+6
,
2
5+2
)=(7,3)
第二次迭代与第一次迭代值相同 , 因此第三次迭代的结果就是 K-Means 聚类算法最终结果 ;
详细解析参考 【数据挖掘】K-Means 二维数据聚类分析 ( K-Means 迭代总结 | K-Means 初始中心点选择方案 | K-Means 算法优缺点 | K-Means 算法变种 )