机器学习笔记：K-mean

最新推荐文章于 2022-06-12 21:11:28 发布
原创 最新推荐文章于 2022-06-12 21:11:28 发布 · 390 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了一种常用的无监督学习算法——K-means聚类。该算法旨在将数据集划分为K个簇，并使用欧式距离计算数据间的相似度。文章详细探讨了K-means算法的工作原理、优缺点及其局限性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

格式驾驭不了，图片大小不会改，可以直接看我的有道笔记：http://note.youdao.com/noteshare?id=c8cce3532a7d2bc22fd6308bde2c7e74

Kmean:

  • 聚类算法，属于无监督学习
  • 将算法聚类成k个簇
  • 通常采用欧式距离来计算数据对象间距离：

  • 伪代码描述：

优点：

  • 算法简单实现

缺点：

  • 需要用户事先指定类簇个数K
  • 聚类结果对初始类簇中心选取比较敏感，对噪声和孤立点敏感
  • 容易陷入局部最优
  • 只能发现球形类簇

 

机器学习（九）：k-均值（k-means）
tb店铺搜：FUN STORE玩物社，专业买手挑选送礼好物
05-03 3万+
引言：     k均值（k-means）是一种聚类算法，其工作流程如下：随机选择k个点作为初始质心（质心即簇中所有点的中心），然后将数据集中的每个点分配到一个簇中，具体来讲，为每个点找距其最近的质心，并将其分配给该质心所对应的簇。这一步完成之后，每个簇的质心更新为该簇所有点的平均值。重复以上步骤，直到质心不发生变化。     k均值的操作解释参见图1。 图1     然而随机地选取初始...
kmeans算法原理以及实践操作(多种k值确定以及如何选取初始点方法)
weixin_30783629的博客
09-04 2859
kmeans一般在数据分析前期使用，选取适当的k，将数据聚类后，然后研究不同聚类下数据的特点。 算法原理： (1) 随机选取k个中心点； (2) 在第j次迭代中，对于每个样本点，选取最近的中心点，归为该类； (3) 更新中心点为每类的均值； (4) j<-j+1 ,重复(2)(3)迭代更新，直至误差小到某个值或者到达一定的迭代步数，误差不变. 空间复杂度o(N) 时间复杂...
【机器学习】快速有效理解 K-Means 算法
frank 的专栏
10-11 1万+
什么是 K-Means ? 学习 K-Means 之前,大家首先需要对聚类有一个概念. 我们都知道,机器学习可以划分为 3 类:监督学习、无监督学习、强化学习. 无监督学习指的是数据没有标签,也就是说我们只有数据的特征,但并不知道这些数据都是什么,无监督学习算法或者是模型需要从这样的数据中学习给数据按照某种规律进行分类的能力,或者是找出不同特征之间的关联性等等. 聚类(Clustering)也归属...
机器学习（九）：K-mean 算法
LTC_1234的博客
11-12 434
文章目录算法介绍 算法介绍
kmean函数介绍
YY_Lee的博客
02-22 1472
K-means聚类算法采用的是将NP的矩阵X划分为K个类，使得类内对象之间的距离最大,而类之间的距离最小。 使用方法：       Idx=Kmeans(X,K)       [Idx,C]=Kmeans(X,K)        [Idx,C,sumD]=Kmeans(X,K)  &nbs...
K-mean
weixin_51775716的博客
05-06 1205
1.np.array函数： 2.如何使用scatter函数： PYthon——plt.scatter各参数详解_yuanCruise的博客-优快云博客_plt.scatter 3.如何使用Kmeans函数： sklearn.cluster.KMeans — scikit-learn 1.0.2 documentation
短文一篇：坐标下降/K-means算法收敛性
就俩字，咱们要做精通，不做熟悉
08-13 3754
查了一下网上的收敛性证明，看的我头大，我觉得原因就是那些博客都是抄来抄去的，理解的也不一定到位。 此处来简单清晰的证明一下，原理就用数学上的单调收敛定理之一：举个例子，如果一个实数序列是递减且有下界，则它的最大下界就是它的极限。 单调收敛定理的证明，数学教材上（数理统计相关的书应该有）。 换句话说，只要证明迭代算法：1）单调；2）有界，就可以说明目标函数最终一定会收敛，当然收敛数值不一定是这个界。...
机器学习(九)——Kmeans聚类
hhhcbw的博客，欢迎各位来访
12-06 9583
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。 Kmeans介绍 算法接受参数k，然后将事先输入的n个数据划分为k个聚类以便使得所获得的聚类满足同一聚类中的对象相似度高，而不同聚类中的相似度低。以空间中k个中心进行聚类，对最靠近他们的对象归类，通过迭代的方法，逐次更新聚类中心的值，直至得到最好的聚类结果。 算法描述：.
机器学习实战之KMean
小小鸟
08-25 788
KMeans算法步骤： 1. 确定聚类个数k 2. 随机选择k个质心 3. 对于所有样本点： 根据样本点到质心的距离分类 4. 分类完成后，如果所有样本点的类别没有变化，算法结束 如果有变化，重新计算质心（当前类中样本的平均值），回到步骤3几个问题： 1. 聚类个数k的确定 2. 初始时质心的选取 3. 容易出现局部最优解考虑在多维空间中将数据点分组/聚类的问题。假设有一个数
SLIC与目前最优超像素算法的比较 SLIC Superpixels Compared to State-of-the-art Superpixel Methods
_者行孙的博客
10-30 2万+
SLIC与目前最优超像素算法的比较Radhakrishna Achanta, Appu Shaji, Kevin Smith, Aurelien Lucchi, Pascal Fua, and Sabine S¨usstrunk
Kmean函数中各个参数的含义
qq_44440568的博客
04-18 1950
retval, bestLabels, centers = kmeans(data, K, bestLabels,criteria, attempts, flags, centers=None) 函数参数: data:需要分类数据，最好是np.float32的数据，每个特征放一列。 K:聚类个数 bestLabels:预设的分类标签或者None criteria:迭代停止的模式选择，这是一个含有三个元素的元组型数。格式为(type, max_iter, epsilon)其中,type有如下模式: . cv2
KMean算法精讲
chenjunheaixuexi的博客
06-12 5484
  KMeas算法是一种聚类算法，同时也是一种无监督的算法，即在训练模型时并不需要标签，其主要目的是通过循环迭代，将样本数据分成K类。
K-mean均值算法原理讲解和代码实战
梁先森的博客
04-26 3708
最近在学习吴恩达机器学习课程，刚刚学完第一个无监督学习算法，搭配着机器学习实战里面的k-mean实战，成功的将理论和实际结合了起来。接下来，咱们简单的分析算法原理之后，着重讲解一下源代码。
k-means算法
bookwormno1的专栏
10-19 3805
漫谈 Clustering (1): k-means 该文转自：http://blog.pluskid.org/?p=17 by pluskid, on 2008-12-29, in Machine Learning     41 comments 本
K-mean算法
zencci的博客
09-08 3520
一 概念： （1） 聚类算法： 聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类(Cluster)分析是由若干模式(Pattern)组成的，通常，模式是一个度量(Measurement)的向量，或者是多维空间中的一个点。聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性 （2）K-mean算法： K-m...
matalb k-means函数使用方法（附一个很好的k-means参考博客）
热门推荐
boat_lee的博客
08-19 7万+
首先得说，虽然matlab提供了KMeans函数，但是matlab的KMeans聚类好慢，真的好慢！       K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以偶是距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平
机器学习 （K - mean算法）
）梦想之深邃（
05-29 876
机器学习 K-Mean算法 根据样本间的某种距离或者相似性来定义聚类，即把相似的（或距离近的）样本聚为同一类，而把不相似的 （或距离远的）样本归在其他类。其基本思想是：通过迭代寻找k个聚类的一种划分方案，使得用这k个聚类的 均值来代表相应各类样本时所得的总体误差最小。 参数说明：μc(i)表示第i个聚类的均值（质心），x(i)为样本数据。 c(i):确定所属类别，与最近的质心归为一类； 算法步骤： 1）随机选取K个质心点（作为分类依据） 2）迭代下述过程 1）对于每一个样例 i，..
机器学习实战——第十章：K-mean聚类
mmc2015的专栏
06-29 2109
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 毕业季，玩了20天。 优点： 1、编程容易实现。 缺点：
机器学习 K-均值聚类算法(K-Means)
李乾文的博客
01-08 3942
1. 介绍 聚类算法： 是一种典型的无监督学习算法，主要用于将相似的样本自动归到一个类别中。 2. 算法思想 3. 样本数据生成 4. 原生代码实现 5. sklearn代码实现
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值