更新 k-means聚类文档

docs/10.k-means聚类.md

@@ -20,7 +20,7 @@ K-Means 是发现给定数据集的 K 个簇的聚类算法, 之所以称之为
 
 ### K-Means 术语
 
-* 簇: 簇中的对象是相似的.
+* 簇: 所有数据点点集合，簇中的对象是相似的。
 * 质心: 簇中所有点的中心（计算所有点的均值而来）.
 * SSE: Sum of Sqared Error（平方误差和）, SSE 值越小，表示越接近它们的质心. 由于对误差取了平方，因此更加注重那么远离中心的点.
 
@@ -29,7 +29,7 @@ K-Means 是发现给定数据集的 K 个簇的聚类算法, 之所以称之为
 ![K-Means 术语图](../images/10.KMeans/apachecn-k-means-term-1.jpg)
 
 ### K-Means 工作流程
-1. 首先, 随机确定 K 个初始点作为质心.
+1. 首先, 随机确定 K 个初始点作为质心（不是数据中的点）.
 2. 然后将数据集中的每个点分配到一个簇中, 具体来讲, 就是为每个点找到距其最近的质心, 并将其分配该质心所对应的簇. 这一步完成之后, 每个簇的质心更新为该簇说有点的平均值.
 
 上述过程的 `伪代码` 如下:
@@ -96,7 +96,7 @@ def randCent(dataSet, k):
 ```python
 # k-means 聚类算法
 # 该算法会创建k个质心，然后将每个点分配到最近的质心，再重新计算质心。
-# 这个过程重复数次，知道数据点的簇分配结果不再改变位置。
+# 这个过程重复数次，直到数据点的簇分配结果不再改变位置。
 # 运行结果（多次运行结果可能会不一样，可以试试，原因为随机质心的影响，但总的结果是对的， 因为数据足够相似，也可能会陷入局部最小值）
 def kMeans(dataSet, k, distMeas=distEclud, createCent=randCent):
     m = shape(dataSet)[0]    # 行数
@@ -132,10 +132,10 @@ def kMeans(dataSet, k, distMeas=distEclud, createCent=randCent):
 
 ### K-Means 聚类算法的缺陷
 在 kMeans 的函数测试中，可能偶尔会陷入局部最小值（局部最优的结果，但不是全局最优的结果）.  
-所以为了客户 KMeans 算法收敛于局部最小值的问题，有更厉害的大佬提出了另一个称为二分K-均值（bisecting K-Means）的算法.
+所以为了克服 KMeans 算法收敛于局部最小值的问题，有更厉害的大佬提出了另一个称为二分K-均值（bisecting K-Means）的算法.
 
 ### 二分 K-Means 聚类算法
-该算法首先将说有点作为一个簇，然后将该簇一分为二。  
+该算法首先将所有点作为一个簇，然后将该簇一分为二。  
 之后选择其中一个簇继续进行划分，选择哪一个簇进行划分取决于对其划分时候可以最大程度降低 SSE（平方和误差）的值。  
 上述基于 SSE 的划分过程不断重复，直到得到用户指定的簇数目为止。  
 
@@ -170,7 +170,7 @@ def biKMeans(dataSet, k, distMeas=distEclud):
             sseSplit = sum(splitClustAss[:,1]) # 将二分 kMeans 结果中的平方和的距离进行求和
             sseNotSplit = sum(clusterAssment[nonzero(clusterAssment[:,0].A!=i)[0],1]) # 将未参与二分 kMeans 分配结果中的平方和的距离进行求和
             print "sseSplit, and notSplit: ",sseSplit,sseNotSplit
-            if (sseSplit + sseNotSplit) < lowestSSE:
+            if (sseSplit + sseNotSplit) < lowestSSE: # 总的（未拆分和已拆分）误差和越小，越相似，效果越优化，划分的结果更好（注意：这里的理解很重要，不明白的地方可以和我们一起讨论）
                 bestCentToSplit = i
                 bestNewCents = centroidMat
                 bestClustAss = splitClustAss.copy()