● 每周一言
无法让明天不一样，可以避免和昨天一样。
导语
前面介绍了什么是聚类以及聚类的相似性度量方法，本节开始讲解最常用的聚类方法，划分聚类。那么，划分聚类的原理思想是什么？又有哪些常用的算法？
划分聚类
划分聚类顾名思义，基于划分的聚类方法，就是每一次基于某种算法规则将数据点划分到不同的类别当中。既然是划分，首先需要指定类别划分的数量，然后根据某种启发式算法迭代重置数据点所属的类别，最后达到“类内的数据点足够近，类间的数据点足够远”的效果。
划分聚类的第一种算法，便是 k-means（k均值）算法。k-means算法的具体步骤如下：
1> 随机选择k个点作为初始的k个类别质心；
2> 将数据点逐一划分到与之度量距离最小的类别；
3> 将每个类别质心坐标更新成当前类别下所有数据点的坐标平均值；
4> 重复以上步骤2和3，直到类别质心不再发生变化或已满足迭代次数。
从上述算法流程中我们不难发现，k-means算法受到噪声和离群点的影响会非常大。因为质心坐标是根据度量距离的均值来更新的，一旦出现离群较远的点，质心的位置就会受到很大影响。
鉴于这个问题， k-medoids（k中心点）算法和 k-medians（k中值）算法应运而生，通过两种方式分别改进了k-means算法。
k-medoids算法在每次更新质心坐标的时候，通过枚举每个类别下的数据点，计算当前类别下其他数据点到该点距离之和，最小的那个点即为新的类别质心。即k-medoids算法的质心一定会是某一些数据点，而不是计算出来的均值。
而k-medians算法有别于k-medoids算法，每次质心坐标都会更新成同类别下所有数据点的中位数，直到每个类别的中位数不再改变。
k-medoids和k-medians算法虽然都在一定程度上解决了噪声和离群点的问题，但是由于更新质点时不再是简单的取平均值，因此算法时间复杂度也随之增加。
此外，k-means算法如果遇到离散特征数据，那么就必须使用离散特征的相似性度量法来做距离度量。这个时候会有个新的名字叫k-modes算法，k-modes算法的距离度量法可以是交集个数、Jaccard相似系数等。
以上便是常见的划分聚类讲解，敬请期待下节内容。
结语
感谢各位的耐心阅读，后续文章于每周日奉上，敬请期待。欢迎大家关注小斗公众号 对半独白！
