k-means聚类算法一定要指定聚类个数吗

k-means聚类算法一定要指定聚类个数吗

一,K-Means聚类算法原理k-means 算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小.聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的.　　K-means算法是最为经典的基于划分的聚类方法,是十大经典数据挖掘算法之一.K-means算法的基本思想是：以空间中k个点为中心进行聚类,对最靠近他们的对象归类.通过迭代的方法,逐次更新各聚类中心的值,直至得到最好的聚类结果.　　假设要把样本集分为c个类别,算法描述如下：　　（1）适当选择c个类的初始中心；　　（2）在第k次迭代中,对任意一个样本,求其到c个中心的距离,将该样本归到距离最短的中心所在的类；　　（3）利用均值等方法更新该类的中心值；　　（4）对于所有的c个聚类中心,如果利用（2）（3）的迭代法更新后,值保持不变,则迭代结束,否则继续迭代.　　该算法的最大优势在于简洁和快速.算法的关键在于初始中心的选择和距离公式.