Kmeans是一种简单的聚类方法，一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

算法原理

kmeans的计算方法如下：

　　1 随机选取k个中心点；

　　2 遍历所有数据，将每个数据划分到最近的中心点，作为一个簇；

　　3 计算每个聚类的平均值，并作为新的中心点；

　　4 重复2-3，直到这k个中心点不再变化（收敛），或执行了足够多的迭代。

轮廓系数

轮廓系数（Silhouette Coefficient）结合了聚类的凝聚度（Cohesion）和分离度（Separation），用于评估聚类的效果。该值处于-1~1之间，值越大，表示聚类效果越好。具体计算方法如下：

　　1 对于第i个元素x_i，计算x_i与其同一个簇内的所有其他元素距离的平均值，记作a_i，用于量化簇内的凝聚度。

　　2 选取x_i外的一个簇b，计算x_i与b中所有点的平均距离，遍历所有其他簇，找到最近的这个平均距离,记作b_i，用于量化簇之间分离度。

　　3 对于元素x_i，轮廓系数s_i = (b_i – a_i)/max(a_i,b_i) 计算所有x的轮廓系数，求出平均值即为当前聚类的整体轮廓系数

从上面的公式，不难发现若s_i小于0，说明x_i与其簇内元素的平均距离小于最近的其他簇，表示聚类效果不好。如果a_i趋于0，或者b_i足够大，那么s_i趋近与1，说明聚类效果比较好。

　　1 随机初始化的中心点可能会影响聚类结果，可以多次聚类选择较优的聚类结果。

　　2 K值的选取直接影响聚类簇数。

　　1 最常用最简单的方法可视化数据，然后观察出聚类聚成几类比较合适，高维数据可视化困难。

　　2 令k从2到一个固定值如10，在每个k值上重复运行数次kmeans(避免局部最优解)，并计算当前k的平均轮廓系数，最后选取轮廓系数最大的值对应的k作为最终的集群数目。

Kmeans算法优缺点

　　优点：1 对于类似球形簇的数据集，聚类效果明显；2 收敛速度较快，时间复杂度O(tkn) t为迭代次数 k中心点个数 n数据量；

　　缺点：1 K值难以确定；2 初始点不合适，可能陷入局部最优的聚类结果；3 对噪点敏感（更新中心点使用均值，均值对噪声敏感）；4 对于不规则的簇，kmeans聚类结果差。