K-means 和 K-means++ 算法 还有 K-NN算法

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_38230811/article/details/83042260

K-means

1The centroids of the K clusters, which can be used to label new data

2labels for the training data (each data point is assigned to single cluster)

1.  选择要使用的中心数k
2.  随机选择k个中心
3.  计算每个点到每个中心的距离
4. 每个点都与它最接近的中心相关联
5. 这些中心点被重新定位，以便位于所有点的中心
6. 前两个步骤重复进行，直到实现收敛

K-means++

离所有选过点越远的点被选为下个中心点的概率越大（提高找中心点的效率）

K-NN

K- nearest neighbors （k最近邻）

这个方法 由于划分不同 可能会出现不同的结果