kmeans算法？kmp算法是什么

一、K-means聚类分析方法解决了什么问题

k-means算法属于聚类分析方法中一种基本的且应用最广泛的划分算法，它是一种已知聚类类别数的聚类算法。指定类别数为k，对样本集合进行聚类，聚类的结果由k个聚类中心来表达，基于给定的聚类目标函数（或者说是聚类效果判别准则），算法采用迭代更新的方法，每一次迭代过程都是向目标函数值减小的方向进行，最终的聚类结果使目标函数值取得极小值，达到较优的聚类效果。

使用平均误差准则函数e作为聚类结果好坏的衡量标准之一，保证了算法运行结果的可靠性和有效性。

二、kmeans算法面向大规模数据该如何优化

kmeans一般在计算包里已经实现了k-dtree和Lloyd's算法来计算大规模的数据

你看你你用的计算包如何使用k-dtree和Lloyd's算法一般大规模数据就还OK的

不在学术界，尽量不要自己去手动开发这种大规模的算法费力不讨好

三、k-means算法和knn算法哪个简单

就算法的复杂程度来看，knn更简单。

这两个算法作用场景不一样，kmeans是聚类算法，有算法迭代，直到最终收敛为止。而knn是分类算法，看附近的邻居的意见，谁的票数越多，就用谁的标识，这样来描述会更容易理解，聚类因为没有标签分类，算法复杂度会更高