机器学习算法：K-Means（K-均值算法）｜python与r语言代码实现

K-Means（K-均值算法）

它是一种解决聚类问题的无监督算法。其过程遵循一种简单易行的方法，通过特定数量的集群（假设k个集群）对给定的数据集进行分类。集群内的数据点对于对等组是均匀的和异构的。

还记得从墨迹中找出形状吗？K意味着某种类似的活动。你看这个形状并散布破译有多少不同的集群/人口存在！

k-均值如何形成集群：

1. k-均值为每个集群挑选K个点，称为质心。
2. 每个数据点形成具有最接近质心的簇，即K簇。
3. 根据现有的群集成员查找每个簇的质心。这里我们有新的质心。
4. 当我们有新的质心时，重复第2步和第3步，从新的质心找到每个数据点最近的距离，并与新的K簇关联。重复这个过程直到收敛发生，即质心不变。

如何确定K值：

在k-均值中，我们有簇，每个簇都有它自己的质心。质心与群集中的数据点之间的差的平方和构成了该群集的平方值和。此外，当添加所有集群的平方值之和时，它就变成集群解决方案的平方值之和内的总和。

我们知道，随着集群数量的增加，这个值持续减少，但如果绘制结果，您可能会看到平方距离之和急剧减少，直到某个值k，然后缓慢得多。在这里，我们可以找到最佳的簇数。

Python 代码

#Import Library
from sklearn.cluster import KMeans
#Assumed you have, X (attributes) for training data set and x_test(attributes) of test_dataset
# Create KNeighbors classifier object model 
k_means = KMeans(n_clusters=3, random_state=0)
# Train the model using the training sets and check score
model.fit(X)
#Predict Output
predicted= model.predict(x_test)

R 语言代码

library(cluster)
fit <- kmeans(X, 3) # 5 cluster solution