K-means cluster algorithm介绍

最新推荐文章于 2025-05-29 21:28:37 发布

peterli_xue

最新推荐文章于 2025-05-29 21:28:37 发布

阅读量1.7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：算法 ML&PR 文章标签： algorithm 算法工作

本文链接：https://blog.youkuaiyun.com/peterli_xue/article/details/7109181

算法同时被 2 个专栏收录

7 篇文章

订阅专栏

ML&PR

4 篇文章

订阅专栏

本文详细介绍了k-means算法的工作过程，包括初始聚类中心的选择、对象分配、聚类中心更新等步骤，并解释了如何使用均方差作为标准测度函数。此外，文章还讨论了k-means算法对输入数据的敏感性，特别是初始聚类中心的选择对其收敛速度和结果的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

你要了解一下k-means到底是什么

k-means 算法的工作过程如下。首先从n个数据对象任意选择 k 个对象作为初始聚类中心，对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类。然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值），并且不断重复这一过程直到标准测度函数开始收敛为止。

一般都采用均方差作为标准测度函数。k means 对输入数据比较敏感，特别是初始聚类中心的选择。