desarrollo de kmeans

Desarrollo de K-means
Es uno de los algoritmos de aprendizaje no supervisado más simples que resuelvan el problema de la agrupación conocida. El procedimiento sigue una forma sencilla y fácil declasificar un conjunto a través de un cierto número de grupos (se supone k grupos) fijos dados de datos. La idea principal es definir los centros de k, una para cada grupo. Estos centros deben sercolocados de manera astuta debido a diferentes causas ubicación diferente resultado.
Por lo tanto, la mejor opción es colocar ellos tanto como sea posible lejos el uno del otro. El siguiente paso estomar cada punto que pertenece a un conjunto de datos determinado y asociarlo al centro más cercano. Cuando hay punto está pendiente, el primer paso se completa y un grupo de edad temprana se hace. Eneste punto tenemos que volver a calcular k nuevos centroides como baricentro de las agrupaciones resultantes de la etapa anterior.
Después tenemos estos nuevos k centroides, una nueva unión que hay quehacer entre los mismos puntos del conjunto de datos y el nuevo centro más cercano. Un bucle se ha generado. Como resultado de este bucle se puede notar que los centros k cambian su fase de ubicacióna paso hasta que se realicen más cambios, o en otras palabras, los centros no se mueven más. Por último, este algoritmo tiene como objetivo minimizar una función objetivo saben función de error comocuadrado dada por:


Donde:
Es la distancia euclídea entre y .
Es el número de puntos de datos en cluster.
Es el número de centros de conglomerados

Algoritmo de K-means

Para  X ={x1,x2,x3,……..,xn} como el conjunto de puntos de datos y V = {v1,v2,…….,vc} como el conjunto de los centros.
1) Seleccionar aleatoriamente 'c' centros de los conglomerados.
2) Calcular ladistancia entre cada punto de datos y centros de los conglomerados.
3) Asignar los datos apuntan a la agrupación centro cuya distancia desde el centro de la agrupación es mínimo de todos los centros de...