网址:https://www.naftaliharris.com/blog/visualizing-k-means-clustering/可视化K均值聚类
参考视频:同济子豪哥
K-means:
经过Randomly-Gaussian Mixture,随机初始化三个聚类中心,
go,一次次迭代,不断更新聚类中心。

缺点:可能只收敛到局部最优点而非全局最优点。
同理:Randomly-smile face,设置四个聚类中心,道理一样。
DBSCAN算法:
算法演示


基于密度的算法,此处ep=1,minp=4,说明半径为1的圆圈内包含四个点,说明为核心点,两个参数可以调节。
笑脸的数据结果会更明显:

或者更加完美的结果:

对于圆环类型聚类呢?

本文探讨了K均值聚类算法的工作原理,包括随机初始化聚类中心及迭代过程,指出其可能仅收敛至局部最优解。同时,介绍了DBSCAN算法,一种基于密度的聚类方法,通过ep和minp参数确定核心点,适用于复杂形状的数据集。
7049

被折叠的 条评论
为什么被折叠?



