K-means聚类算法
流程
0 数据标准化（量纲不同时）
1 指定需要划分的簇[cù]的个数K值（类的个数）;
2 随机地选择K个数据对象作为初始的聚类中心（不一定要是我们的样本点）;
3 计算其余的各个数据对象到这K个初始聚类中心的距离，把数据对象划归到距离它最近的那个中心所处在的簇类中;
4 调整新类并且重新计算出新类的中心;
5 循环步骤三和四，看中心是否收敛（不变），如
果收敛或达到迭代次数则停止循环;
6 结束。
(7) 将结果中标准化的数据还原
原理的可视化
算法流程图
算法在论文中出现应使用流程图的形式
优劣
优点：
（1）算法简单、快速。
（2）对处理大数据集，该算法是相对高效率的。
缺点：
（1）要求用户必须事先给出要生成的簇的数目K。
（2）对初值敏感。
（3）对于孤立点数据敏感。
K-means++算法
K-means++算法可解决K-means算法2和3两个缺点
k-means++算法选择初始聚类中心的基本原则是：初始的聚类中心之间的相互距离要尽可能的远。
算法描述
（只对K-means算法“初始化K个聚类中心” 这一步进行了优化）
步骤零：数据标准化
步骤一：随机选取一个样本作为第一个聚类中心；
步骤二：计算每个样本与当前已有聚类中心的最短距离（即与最近一个聚类中心的距离），这个值越大，表示被选取作为聚类中心的概率较大；最后，用轮盘法（依据概率大小来进行抽选）选出下一个聚类中心；
步骤三：重复步骤二，直到选出K个聚类中心。选出初始点后，就继续使用标准的K-means算法了。
K-means算法的一些讨论
（1）聚类的个数K值怎么定？
答：分几类主要取决于个人的经验与感觉，通常的做法是多尝试几个K值，看分成几类的结果更好解释，更符合分析目的等。
（2）数据的量纲不一致怎么办？
答：如果数据的量纲不一样，那么算距离时就没有意义。例如：如果X1单位是米，X2单位是吨，用距离公式计算就会出现“米的平方”加上“吨的平方”再开平方，最后算出的东西没有数学意义，这就有问题了。
z标准化：
注意最后将结果中标准化的数据还原
使用SPSS操作聚类算法
清风第十讲第一部分