目录:
定义-K-均值聚类是什么意思？
K-均值聚类是一种简单的无监督学习算法，用于解决聚类问题。 它遵循一个简单的过程，将给定数据集分类为多个簇，簇由字母“ k”定义，该簇预先固定。 然后将聚类定位为点，然后将所有观测值或数据点与最近的聚类相关联，进行计算，调整，然后使用新的调整过程重新开始，直到获得所需的结果。
K-均值聚类在搜索引擎，市场细分，统计甚至天文学中都有使用。
Techopedia解释了K-Means聚类
K均值聚类是一种用于聚类分析的方法，尤其是在数据挖掘和统计中。 它旨在将一组观测值划分为多个聚类（k），从而将数据划分为Voronoi单元。 可以将其视为找出某个对象真正属于哪个组的方法。
它主要用于统计，几乎可以应用于任何研究领域。 例如，在营销中，它可以用于将不同的人口统计信息分组为简单的组，从而使营销人员更容易定位。 天文学家用它来筛选大量的天文数据。 由于他们无法一一分析每个对象，因此他们需要一种统计地找到兴趣点进行观察和调查的方法。
算法：
- 将K点放置在代表初始质心组的对象数据空间中。
- 每个对象或数据点都分配给最接近的k。
- 分配所有对象后，将重新计算k个质心的位置。
- 重复步骤2和3，直到质心的位置不再移动。
