Algoritmo k-means Para empezar el algoritmo ase uso de clusters que son puntos usados para representar un conjunto

de valores de entre todos los iniciales que tienen algo en comn, y se pueden agrupar en funcin de determinado rasgo.

Se sabe que es un algoritmo de agrupamiento que tiene como objetivo devolver al usuario una serie de puntos que en cierto modo representan al resto de los puntos iniciales por su posicin privilegiada con respecto al total

El algoritmo k-means parte de un nmero determinado de grupos y los ejemplos a agrupar sin etiquetar, los centros de cada particin se calculan como la media de los ejemplos pertenecientes a cada grupo. A medida que el algoritmo se va ejecutando, algunos ejemplos cambian de un grupo a otro, debiendo recalcularse los centros en cada paso.

Pasos del algoritmo 1. Seleccione K de los n patrones como centros de clusters iniciales. 2. Asignar cada uno de los n-K patrones a un clusters mediante una medida de distancia. 3. Calcular los centros de clusters. 4. Asignar cada uno de los n patrones a sus centros de clusters ms cercanos. 5. Si no hay cambios durante dos sucesiones iterativas, parar.

Diagrama de flujo del Algoritmo

Ejemplo visto en clases.

X: (1,1)(1,2)(2,1)(2,2)(3,1.5) Promedio (1.8, 1.5) Y: (5,5)(5,6)(6,5)(6,6) Promedio (5.5, 5.5) Z: (8,3)(8,4)(8.5,5)(8.5,2)(9,3)(9,4) Promedio (8.5, 3.5)

D(Centroide,2.2)=(1.8-2)2 + (1.5-2)2=.5385