K均值聚类的基本过程是什么
请问K中心聚类和K均值聚类，有什么不同？ 这个。看看统计教科书吧。
K均值聚类 k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。
k-均值聚类和c-均值聚类一样吗
关于K均值聚类 因为中心坐标是分类后各类内部数据的均值，分类一样，各类的数据就一样，均值当然一样.除非你两次的分类结果是不一样的，分类结果不一样是可能的，因为初始化中心的不同会造成分类结果不同.
k均值聚类算法聚类个数怎么确定 算法：第一步：选K个初始聚类中心，z1(1)，z2(1)，…，zK(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个模式。
