版权声明：学习交流为主，未经博主同意禁止转载，禁止用于商用。 https://blog.csdn.net/u012965373/article/details/88878694
K -Means聚类算法的缺陷
在K-Means的函数测试中，可能会偶尔陷入局部最小值（局部最优的结果，但不是全局最优的结果）
解决方案：
为了克服K-Means算法收敛于局部最小值的问题，有一个好的解决方案是二分K-Mean(二分K均值 bisecting K-Means)的算法
原理：
该算法首选所有点作为一个簇，然后将该点一份为二。
之后选择一个簇继续划分，选择哪一个簇进行划分取决于划分时候可以最大程度降低SSE（平方和误差）的值。
上述基于SSE的划分过程不断重复，值到得到用户指定的簇数目为止。
伪代码：
-
将所有的点看成为一个簇
-
当簇数目小于K时
-
对于每一个簇
-
-
计算总误差
-
在给定的簇上面进行K-Means聚类（k = 2）
-
计算将该簇一份为二之后的总误差
-
-
选择使得误差最小的簇进行划分操作