机器学习笔记:K-mean

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

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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