K均值（K-means)算法 一、假如对于训练样本集{X,x2,…,七n},有K个聚类{4，h,…,},计算 每个样本和聚类中心的距离： lx-4l 找出离x,最近的k,计C,=j。 二、对于聚类中心，找出其对应的所有x,将它们的中心坐标求出，成为新的 4 三、误差函数：使得各个数据点距离聚类中心的距离 总和最小，也就是图中所有红线和蓝线加起来的总长 度最小。 xi-ucK均值（K-means）算法 一、假如对于训练样本集 { x1 , x2 , … , xn } ，有 K 个聚类{ 1 , 2 , … , K }，计算 每个样本和聚类中心的距离： || xi - j || 找出离xi最近的K，计Ci = j。 二、对于聚类中心j，找出其对应的所有xi，将它们的中心坐标求出，成为新的 j： 三、误差函数： 使得各个数据点距离聚类中心的距离 总和最小，也就是图中所有红线和蓝线加起来的总长 度最小。 𝐿 = 1 𝑛 ෍ 𝑖=1 𝑛 𝒙𝑖 − 𝝁𝐶𝑖 𝝁𝑗 = 1 𝑁𝑗 ෍ 𝑖∈𝜇𝑗 𝑁𝑗 xi