K-means cluster algorithm介绍

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。
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