该教程适用
1.从数据中选择k个对象作为初始聚类中心。2.计算每个聚类对象到聚类中心的距离来划分。3.再次计算每个聚类中心。4.计算标准测度函数，之道达到最大迭代次数，则停止，否则，继续操作。
工具：
型号：
系统：
软件：
操作步骤/方法
方法教程
1 kmeans算法基本步骤如下： 2 1.从数据中选择k个对象作为初始聚类中心。 3 2.计算每个聚类对象到聚类中心的距离来划分。 4 3.再次计算每个聚类中心。 5 4.计算标准测度函数，之道达到最大迭代次数，则停止，否则，继续操作。 6 K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means++,距离计算优化elkanK-Means算法和大数据情况下的优化MiniBatchK-Means算法。