sed 經典 聚類 思想 類別 藥物 9.png ont 停止

1.歸類：

• 聚類(clustering) 屬於非監督學習 (unsupervised learning)
• 無類別標記(class label)

2.舉例：

3. K-means 算法： 3.1 Clustering 中的經典算法，數據挖掘十大經典算法之一 3.2 算法接受參數 k ；然後將事先輸入的n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一 聚類中的對象相似度較高；而不同聚類中的對象相似度較小。 3.3 算法思想： 以空間中k個點（可隨機選取）為中心進行聚類，對最靠近他們的對象歸類。通過叠代的方法，逐次更新各聚類中心 的值，直至得到最好的聚類結果 3.4 算法描述： （1）適當選擇c個類的初始中心； （2）在第k次叠代中，對任意一個樣本，求其到c各中心的距離，將該樣本歸到距離最短的中心所在 的類； （3）利用均值等方法更新該類的中心值； （4）對於所有的c個聚類中心，如果利用（2）（3）的叠代法更新後，值保持不變，則叠代結束， 否則繼續叠代。 3.5 算法流程：

輸入：k, data[n];

（1） 選擇k個初始中心點，例如c[0]=data[0],…c[k-1]=data[k-1]; （2） 對於data[0]….data[n], 分別與c[0]…c[k-1]比較，假定與c[i]差值最少，就標記為i; （3） 對於所有標記為i點，重新計算c[i]={ 所有標記為i的data[j]之和}/標記為i的個數； （4） 重復(2)(3),直到所有c[i]值的變化小於給定閾值。 4.舉例： 4.1 流程圖：

4.2 一個藥物分類的例子：

四中藥物給予了 weight index 和 pH 兩個特征。

在二維坐標系中的分布如下：

D0為第一次叠代，第一行為4個點到c1的距離，第二行為4個點到c2的距離。

　　　　

G0為第一次叠代後的歸類情況，將各點到c1、c2的距離進行比較，哪個的距離小就為哪一類。

歸類如下：c1為第一類，c2、c3、c4為第二類。

　　　　

第二類的中心點更新如下：

　　　　

重新計算中心點如下（星為中心點）：（若該類中的點變化，則更新該類的中心點；否則不更新）

第二次叠代。

G1為第二次叠代後的歸類情況。

歸類如下：c1、c2為第一類，c3、c4為第二類。

更新第一類、第二類的中心點如下：

　　

歸類沒有發生變化（達到終止條件）

　　

　　停止。

優點：速度快，簡單 缺點：最終結果跟初始點選擇相關，容易陷入局部最優，需直到k值

聚類:（K-means）算法