聚类算法k-均值 列表搜索算法 线性搜索 二分搜索

聚类算法

K-均值算法

聚类是给定一组数据，将相似的分组。每一个组称为群集

相似性根据算法而变化 ，取决于数据点之间的距离，坐标等。

如每一圈就是一个群集。

1. 首先有数据。然后确定群集的数量，这个算法 的特点就是要先确定群集的数量。

   这次使用3个群集。

   随机 设置三个点作为群集的中心点。

2. 根据每个数据计算并确定最接近的集群的 中心点。

   也就是循环第个数据点，计算离 A B C 哪个 点最近 。就归为哪个点的群集中。

   

   直到所有数据分类。

   

3. 计算每个圆圈的重心（每个集群数据的重心），并将集群的中心点（ABC）移动到那里。

   

4. 重新计算 二步骤 ，哪些点离ABC近，分类。再进行移动

5. 直到中心点收敛。收敛的意思就是无限接近于某一个值 。

6. 数学证明过了，重复操作时，中心点将在某个地方收敛。

7. 完成。

   注意。：当我们选择 群集数量 为两个的时候。这个算法的效果可就没有那么的肉眼看到的好了。肉眼看起来有三个嘛。

   解决办法有：预先分析办法。多次改变 集群数量来尝试K-means算法

列表搜索

线性搜索

就是 一个一个的比较 直到相等为止。没什么好解析的。名字这个高大上。

二分搜索

你心中想定一个范围（N-M）内一个数字，我说出一个数字，你只需要说你心中的数字比我说的大还是小，我最多（M-N-1）/2次可以说出你心中想的数字。

1. 每次划分一半，判断大于还是小于还是等于，然后从剩下的一半找。
2. 等于则完成 。 没什么好说的。