我想知道k-means和k-means++算法的区别，如果有人了解k-means++算法的流程，你能举例说明吗？虽然，我了解K-Mean算法，但对于我来说，找到如何实现K-Means++算法是很困难的，因为我不清楚该算法的工作流程。
谢谢大家。
最佳答案
说你想知道k-means和k-means++之间的区别是不准确的。因为，这两种算法不具有可比性，而是相互结合。
Kmeans++维基百科的定义：
k-means++是一种为k-means聚类算法选择初始值（或“种子”）的算法
这样的算法的存在是需要的，因为k-均值在性能和精度方面存在问题（取决于分析数据和整个预处理步骤的方式）。
关于你的问题：
找到如何实现K-Means++算法对我来说很困难，因为我不清楚该算法的工作流程。
从数据集中的一个随机点开始，然后计算集中每个点与所选点之间的距离（欧几里德距离可以是您的选择之一）。然后，使用weighted probability distribution随机选择一个新的数据点作为新的中心，其中x点是用probability proportional到d（x）2选择的。然后重复同样的操作（不是从随机点开始），直到达到所需的k簇（k应该作为参数传递给算法）。
在获得k集群之后，可以继续执行k-means。
请注意，这主要来自wikipedia，但我的观点是，您将k-means++作为k-means的替代品，而k-means并不是上述定义所说的那样。
最后，k-means++足以帮助克服k-means存在的一些问题，但是通过将集群的数量（k）作为输入参数传递给它，它不再具有可伸缩性。不过，如果你感兴趣的话，还有另一个版本的k-means称为k-means2（我没有搜索其他来源），它可能会克服可伸缩性问题。
关于algorithm - K-Means++的流程是什么，我想确切了解K-Mean和K-Means++之间的区别？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/22521909/