文章目錄

• 一、 基于劃分的聚類方法
• 二、 K-Means 算法 簡介
• 三、 K-Means 算法 步驟
• 四、 K-Means 方法的評分函數
• 五、 K-Means 算法 圖示

一、 基于劃分的聚類方法

---

1 . 基于劃分的聚類方法 : 又叫 基于分區的聚類方法 , 或 基于距離的聚類方法 ;

① 概念 : 給定數據集有 $n$ 個樣本 , 在滿足樣本間距離的前提下 , 最少將其分成 $k$ 個聚類 ;

② 參數 $k$ 說明 : 表示聚類分組的個數 , 該值需要在聚類算法開始執行前 , 需要指定好 ,

2 . 典型的基于劃分的聚類方法 : K-Means 方法 ( K 均值方法 ) , 聚類由分組樣本中的平均均值點表示 ; K-medoids 方法 ( K 中心點方法 ) , 聚類由分組樣本中的某個樣本表示 ;

3 . 硬聚類 : K-Means 是最基礎的聚類算法 , 是基于劃分的聚類方法 , 屬于硬聚類 ; 在這個基礎之上 , GMM 高斯混合模型 , 是基于模型的聚類方法 , 屬于軟聚類 ;

二、 K-Means 算法 簡介

---

K-Means 簡介 :

① 給定條件 : 給定數據集 $X$ , 該數據集有 $n$ 個樣本 ;

② 目的 : 將其分成 $K$ 個聚類 ;

③ 聚類分組要求 : 每個聚類分組中 , 所有的數據樣本 , 與該分組的中心點的距離之和最小 ; 將每個樣本的與中心點距離計算出來 , 分組中的這些距離累加 , $K$ 個分組的距離之和 也累加起來 , 總的距離最小 ;

三、 K-Means 算法 步驟

---

K-Means 算法 步驟 : 給定數據集 $X$ , 該數據集有 $n$ 個樣本 , 將其分成 $K$ 個聚類 ;

① 中心點初始化 : 為 $K$ 個聚類分組選擇初始的中心點 , 這些中心點稱為 Means ; 可以依據經驗 , 也可以隨意選擇 ;

② 計算距離 : 計算 $n$ 個對象與 $K$ 個中心點 的距離 ; ( 共計算 $n\times K$ 次 )

③ 聚類分組 : 每個對象與 $K$ 個中心點的值已計算出 , 將每個對象分配給距離其最近的中心點對應的聚類 ;

④ 計算中心點 : 根據聚類分組中的樣本 , 計算每個聚類的中心點 ;

⑤ 迭代直至收斂 : 迭代執行 ② ③ ④ 步驟 , 直到 聚類算法收斂 , 即 中心點 和 分組 經過多少次迭代都不再改變 , 也就是本次計算的中心點與上一次的中心點一樣 ;

四、 K-Means 方法的評分函數

---

1 . K-Means 方法的評分函數 : 該評分函數本質是 誤差平方和 ;

$$\sum _{m=1}^k\sum _{t_{mi}\in K_m}(C_m?t_{mi}{)}^2$$

2 . 公式元素說明 :

$C_m$ 表示中心點 ;

$t_{mi}$ 表示每個數據對象 ;

$C_m?t_{mi}$ 表示每個對象到中心的距離 ;

$K_m$ 表示第 $m$ 個聚類中的點的個數 ;

${\sum }_{t_{mi}\in K_m}$ 表示單個聚類中點的個數的累加和

$k$ 表示聚類 ( 分組 ) 的個數

${\sum }_{m=1}^k$ 表示 $k$ 個聚類的累加和

3 . 公式 拆解 解析 :

$C_m?t_{mi}$ 計算每個元素距離其中心點的距離

$(C_m?t_{mi}{)}^2$ 計算 每個元素距離其中心點的距離的平方 , 目的是為了消除符號干擾

${\sum }_{t_{mi}\in K_m}(C_m?t_{mi}{)}^2$ 將一個聚類分組中的 [ ( 每個元素距離其中心點的距離 ) 的平方 ] 相加 ;

${\sum }_{m=1}^k{\sum }_{t_{mi}\in K_m}(C_m?t_{mi}{)}^2$ 整體公式就是將所有的聚類分組的 { [ ( 每個元素距離其中心點的距離 ) 的平方 ] 累加和 } 再次累加

五、 K-Means 算法 圖示

---

1 . 已知條件 : 下面的點是二維平面上的樣本 , 有 $5$ 個點 $\{X_1,X_2,X_3,X_4,X_5\}$ , 將其分成 $2$ 個聚類 ;

2 . 首先設置初始中心點 : 中心點可以選擇已有的樣本作為中心點 ( 稱為 : 實點 ) , 也可以在空白處設置中心點 ( 稱為 : 虛點 ) ;

這里在空白處任意設置 $2$ 個中心點 $\{K_1,K_2\}$ ;

3 . 計算距離 : 計算 $5$ 個點到 $2$ 個中心點的距離 , 每個點都要計算 $2$ 次 , 共計算 $10$ 次 ;

距離表示說明 : 下面公式中的 $d(K_1,X_1)$ 指的是 $K_1$ 點到 $X_1$ 點的距離 ;

$d(K_1,X_1)=1816.6$
$d(K_2,X_1)=14056.5$

$X_1$ 點分到 $K_1$ 對應的聚類分組中 ;

$d(K_1,X_2)=3646.6$
$d(K_2,X_2)=1405.3$

$X_2$ 點分到 $K_2$ 對應的聚類分組中 ;

$d(K_1,X_3)=1818.2$
$d(K_2,X_3)=5101.3$

$X_3$ 點分到 $K_1$ 對應的聚類分組中 ;

$d(K_1,X_4)=12940.3$
$d(K_2,X_4)=7859.2$

$X_4$ 點分到 $K_2$ 對應的聚類分組中 ;

$d(K_1,X_5)=11775.1$
$d(K_2,X_5)=6539.1$

$X_5$ 點分到 $K_2$ 對應的聚類分組中 ;

4 . 初步分組 : 為每個樣本分組 , 將 樣本點 $X_i$ 分到最近的中心點對應的聚類分組中 , 下面是分組結果 :

$X_1,X_3$ 分組到 $K_1$ 中心點對應的分組 , $X_2,X_5,X_4$ 分到 $K_2$ 對應的分組 ;

當前聚類分組 : $\{X_1,X_3\}$ , $\{X_2,X_5,X_4\}$ ;

5 . 重新計算中心點位置 : 根據上述聚類分組 , 確定新的中心點位置 , 如下圖 :

6 . 重新計算中心點位置 : 圖中的 $X_2$ 的聚類分組 , 出現了改變 , $X_2$ 樣本的距離 , 明顯距離 $K_1$ 點比較近 ;

距離表示說明 : 下面公式中的 $d(K_1,X_1)$ 指的是 $K_1$ 點到 $X_1$ 點的距離 ;

$d(K_1,X_2)=2696.3$
$d(K_2,X_2)=4204.1$

$X_2$ 點分到 $K_1$ 對應的聚類分組中 ;

7 . 重新分組 : $X_2$ 點分到 $K_1$ 對應的聚類分組中 ;

當前聚類分組 : $\{X_1,X_2,X_3\}$ , $\{X_5,X_4\}$ ;

8 . 繼續計算中心點位置 : 此時該中心點就比較穩定了 , 下一次計算 , 仍然是這個中心點 , 因此 聚類收斂 , 此時的分組就是最終的聚類分組 ;

最終聚類分組 : $\{X_1,X_2,X_3\}$ , $\{X_5,X_4\}$ ;

最終中心點如下圖所示 , $K_1$ 在三角形中心 , $K_2$ 在兩點中心點 ;

總結

以上是生活随笔為你收集整理的【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 )的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。