K均值聚类算法及其应用
什么是K均值聚类？
聚类是指对相似或具有共同特征的事物进行分组，因此k均值聚类的目的也是这样。K-均值聚类是一种无监督的机器学习算法，用于将“ n”个观测值聚类为“ k”个聚类，其中k是预定义或用户定义的常数。主要思想是定义k个质心，每个聚类一个。
K Means算法涉及：
选择簇数“ k”。
将每个点随机分配给群集。
在集群停止更改之前，重复以下步骤：
对于每个聚类，通过获取聚类中点的平均向量来计算聚类质心。
将每个数据点分配给质心最接近的群集。
用K表示非常重要的两件事：第一是在对数据进行聚类之前先缩放变量，第二是查看散点图或数据表以估计要为模型中的k参数设置的聚类中心的数量。 。
选择最佳K值：
选择k值的一种方法是使用弯头方法。首先，您计算某些k值的平方误差总和（SSE）。SSE是群集中每个成员与其质心之间的平方距离的总和。如果将k相对于SSE绘制，您将看到误差随着k的增加而减小。这是因为随着簇的数量增加，误差应较小，因此失真应较小。弯头法的思想是选择SSE显着降低的k值。
K-Means聚类的应用：
k均值可以应用于维数较少，为数字且为连续的数据。例如文件聚类，识别容易犯罪的区域，客户细分，保险欺诈检测，公共交通数据分析，IT警报聚类…等。
1