什麼是K-MEANS演算法?

K-MEANS演算法:

輸入：群族個數k，以及包含 n個資料物件的資料庫。

輸出：滿足方差最小標準的k個群族。

處理流程：
（1） 從 n個資料物件任意選擇 k 個物件作為初始群族中心；
（2） 迴圈（3）到（4）直到每個群族不再發生變化為止
（3） 根據每個群族物件的均值（中心物件），計算每個物件與這些中心物件的距離；並根據最小距離重新對相應物件進行劃分；
（4） 重新計算每個（有變化）群族的均值（中心物件） k-means 演算法接受輸入量 k ；然後將n個資料物件劃分為 k個群族以便使得所獲得的群族滿足：同一群族中的物件相似度較高；而不同群族中的物件相似度較小。群族相似度是利用各群族中物件的均值所獲得一個“中心對象”來進行計算的。

k-means 演算法的工作過程說明如下：首先從n個資料物件任意選擇 k 個物件作為初始群族中心；而對於所剩下其他物件，則根據它們與這些群族中心的相似度（距離），分別將它們分配給與其最相似的（群族中心所代表的）群族；然 後再計算每個所獲新群族的群族中心（該群族中所有物件的均值）；不斷重複這一過程直到標準測度函數開始收斂為止。一般都採用均方差作為標準測度函數. k個群族具有以下特點：各群族本身盡可能的緊湊，而各群族之間盡可能的分開。