本文介绍了一种常用的无监督学习方法——K-means聚类算法。该算法以k为参数，将n个对象划分为k个簇，使得簇内具有较高的相似度，而簇间相似度较低。具体步骤包括：随机选择k个点作为初始聚类中心；根据距离将剩余点分配到最近的簇；计算每个簇的新中心；重复此过程直至聚类中心稳定。
5.K-means 聚类算法
以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低
1.随机选择k个点作为初始的聚类中心
2.对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇
3.对每个簇，计算所有点的均值作为新的聚类中心
4.重复2、3直到聚类中心不再发生改变
5.K-means 聚类算法
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
