共计 559 个字符，预计需要花费 2 分钟才能阅读完成。

今天给大家介绍一下 K -means 聚类中的 Kmeans Clustering 该如何理解。文章的内容丸趣 TV 小编觉得不错，现在给大家分享一下，觉得有需要的朋友可以了解一下，希望对大家有所帮助，下面跟着丸趣 TV 小编的思路一起来阅读吧。

Kmeans Clustering

Kmeans 算法是将一些杂乱无章的数，分为若干个类的一种聚类方法

实现原理：(借助网上的一张截图)

算法步骤：（k 表示聚类中心的个数，上图为 3）

（1）随机选取任意 k 个对象作为初始聚类中心，初始代表一个簇；

（2）计算点到质心的距离，并把它归到最近的质心的类；

（3）重新计算已经得到的各个类的质心；

（4）迭代 2~3 步直至新的质心与原质心相等或小于指定阈值，算法结束。

K-means 算法的优缺点：

1. 效果好，不易受初始值得影响

2. 不能处理非球形的簇

3. 不能处理不同尺寸，不同密度的簇

4. 容易受孤立点的影响（需要我们人为干预，进行剔除）

常用的距离算法：

1. 欧几里得距离

2. 余弦相似度

以上就是 K -means 聚类中的 Kmeans Clustering 该如何理解的全部内容了，更多与 K -means 聚类中的 Kmeans Clustering 该如何理解相关的内容可以搜索丸趣 TV 之前的文章或者浏览下面的文章进行学习哈！相信丸趣 TV 小编会给大家增添更多知识, 希望大家能够支持一下丸趣 TV！