ML09-K均值聚类

基本含义：

将具有相似特性的数据点，分到同一个簇内，使得同簇之内的数据相较于簇外的数据更加的相似。

关键计算：

相似度度量的方法。计算同簇之内数据点之间的相似度，计算不同簇之间的相似度。

计算距离/相似度有很多的方法，在K均值聚类方法中，经常使用的是欧氏距离。

K均值聚类的目标是使得总体群内方差最小或者平方误差最小。

聚类步骤：

1. 在数据中，随机生成K个初始均值
2. 通过关联每个观测值到最近的均值，创建K个簇
3. 每个簇的形心变成新的均值
4. 重复步骤2-3，直到最后数据收敛