K-Means在Python中的实现

Question

在Python中实现我自己的K-means算法或在Python库中使用预先实现的K-mean算法更好，例如Scikit-Learn？

Answer 1

在回答哪个更好之前，这里有一个快速提醒算法：

1. ＆＃34;选择＆＃34;群集的数量 K
2. 发起第一个质心
3. 对于每个点，找到最近的质心 根据距离函数 D
4. 当所有点都归属于群集时，计算成为其新质心的群集的重心
5. 重复步骤3.和步骤4.直到收敛

如前所述，算法取决于各种参数：

• 群集数量
• 您的初始质心位置
• 计算任意点与质心之间距离的距离函数
• 计算每个新集群的重心的函​​数
• 收敛指标
• ...

如果您不熟悉上述任何一项，并且您想了解每个参数的作用，我建议在低维数据集上重新实现它。此外，实现的Python库可能不符合您的特定要求 - 即使它们提供了良好的调整可能性。

如果你的观点是快速使用它，并且能够全面了解，你可以使用现有的实现 - scikit-learn将是一个不错的选择。