我想知道 K-Mean 和 K-Means++ 算法之间的区别。如果有人了解 K-Means++ 算法的流程，你能举例解释一下吗？虽然，我了解 K-Mean 算法，找到方法实现 K-Means++ 算法对我来说很困难，因为我不明白这个算法的工作流程：清楚。 谢谢大家。
【问题讨论】：
说你想知道 k-means 和 k-means++ 之间的区别是不准确的。因为，这两种算法没有可比性，而是相互融合。
Kmeans++ 来自维基百科的定义：
k-means++ 是一种为 k-means 聚类算法选择初始值（或“种子”）的算法
并且需要存在这样的算法，因为 k-means 在性能和准确性方面存在问题（取决于您分析数据的方式和整个预处理步骤）。
关于你的问题：
对我来说很难找到如何实现 K-Means++ 算法，因为我不明白这个算法的工作流程：清楚。
您从数据集中的一个随机点开始，然后计算该集中每个点与所选点之间的距离（欧几里得距离可以是您的选择之一）。然后，随机选择一个新数据点作为新中心，使用weighted probability distribution，其中选择点x 与probability proportional 到D(x)2。并重做相同的事情（除了从随机点开始），直到达到所需的 k 集群（k 应作为参数传递给算法）。
在您拥有k 集群之后，您可以继续使用k-means。
请注意，这主要来自维基百科，但我的意思是，您将 k-means++ 作为 k-means 的替代品，事实并非如此，这是上述定义所述。
最后，k-means++ 足以帮助克服 k-means 存在的一些问题，但是通过将簇的数量 (k) 作为输入参数传递给它，它不再是可扩展的。但是，如果您有兴趣，还有另一个版本的 k-means 称为 k-means2（我没有搜索其他来源）可能会克服可伸缩性问题。
【讨论】：