聚类算法学习笔记（2）__K-Means聚类算法

最新推荐文章于 2025-10-26 16:39:14 发布
原创 最新推荐文章于 2025-10-26 16:39:14 发布 · 7.8k 阅读 · 17 ·
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。
文章标签：

#算法 #大数据 #聚类 #数据挖掘

本文详细介绍了K-Means聚类算法的理论和模拟过程，包括算法的基本步骤、K值的选择策略、聚类效果评估及其实现。通过实例分析，展示了算法在大数据聚类和数据挖掘中的应用。

在聚类算法中下手，必然要从经典的K-Means聚类算法（K-Means clustering algorithm）和K-Modes聚类算法（K-Modes clustering algorithm）开始。根据Liam_Q和Intergret在文中介绍的内容，我对K-Means聚类算法有了一个基本的了解。

第一部分：K-Means聚类算法的理论

1  基本Kmeans算法

[cpp] view plaincopy
  1. 选择K个点作为初始质心  
  2. repeat  
  3.     将每个点指派到最近的质心，形成K个簇  
  4.     重新计算每个簇的质心  
  5. until
最低0.47元/天 解锁文章
机器学习算法笔记之8：聚类算法
marsjhao Blog
04-23 4642
一、聚类任务 在“无监督学习”（unsupervisedlearning）中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质和规律，最常用的就是“聚类”（clustering）。 聚类试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个“簇”（cluster）。聚类过程只能自动形成簇结构，簇对应的概念语义需由使用者来把握和命名。 聚类既能作为
（学习笔记）十大经典算法——K-means聚类算法
weixin_42985978的博客
03-21 3613
聚类算法是在无监督的情况下将对象自动分组的一种分析方法，典型的聚类算法分为三个阶段：特征选择和特征提取，数据对象间相似度计算，根据相似度将数据对象分组。聚类算法的目标是将数据集合分成若干簇，使得同一簇内的数据点相似度尽可能大，而不同簇间的数据点相似度尽可能小。可分为层次聚类算法和划分聚类算法。
聚类算法学习笔记（一）——基础
weixin_34352005的博客
03-20 259
  1. 聚类定义 “聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集（subset）,这样让在同一个子集中的成员对象都有相似的一些属性。”                                                          ——wikipedia “聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。它是一种重要的人类行...
K-means算法详解
最新发布
weixin_43332559的博客
10-26 778
K-means是一种无监督学习的聚类算法，目标是将数据集划分为K个不相交的簇(cluster)，使得每个数据点都属于距离最近的簇的质心(centroid)。
聚类算法学习笔记
xiaoyu714543065的专栏
08-01 1076
A 距离和相似度测量 这里用的是基于先验知识的个体分类准则。数据对象一般是用一组多维特指向量描述的，该特征可以是定量的或者是定性的，是连续的或二值的（不连续的），是名词性的或顺序性的，这些性质决定了其相似度的度量法则。定义在数据组X上的不相似函数或距离函数必须满足以下条件：1）对称性2)正则性D（xi，xj）>=0 3）满足三角不等式  4）自反性 类似的，相似函数定义为满足下面条件：1）
K-modes聚类算法
01-31
传统K-modes聚类算法，并包含F1-measures指标、聚类准确率指标和聚类纯度指标，含有UCI数据集进行测试，直接运行main即可
精选资源
k-means聚类算法-mai笔记
05-31
k-means聚类算法是一种广泛应用的数据挖掘方法，用于无监督学习中的数据分类。它通过迭代寻找数据集中的k个核心点，将数据分配到最近的核心点所在的簇中，以此达到划分数据的目的。以下是对k-means算法的详细介绍： ...
2023数学建模笔记项目_智能算法实现与数据预处理分析工具集_提供全面的数学建模算法实现与数据处理方法_蚁群算法_模拟退火算法_遗传算法_粒子群优化_K-Means聚类_DBSCA.zip
09-07
K-Means聚类是一种常用的无监督学习方法，可以将数据集中的样本划分为K个类别，以实现数据的分类。DBSCAN聚类算法是基于密度的空间聚类算法，能够发现任意形状的聚类，并且对噪声数据具有一定的鲁棒性。 以上提到的...
机器学习笔记之谱聚类(一)k-Means聚类算法介绍
静静的学习就好
02-20 1266
从本节开始，将介绍聚类任务，本节将介绍k-Means算法。
『ML』利用K-Means聚类算法对未标注数据分组——《机器学习实战》学习笔记（Ch10）
12-21
K-Means聚类算法是机器学习领域中最基础且广泛应用的无监督学习方法之一，用于对未标注数据进行分组。它的核心思想是通过迭代优化，使得每个数据点尽可能地归属于与其最近的类中心（也称为质心）所在的簇。算法的...
k-modes 聚类算法
01-02
k-modes 聚类算法 k-modes 聚类算法 k-modes 聚类算法
k-modes聚类算法1.rar
08-12
基于matlab软件设计的k-modes聚类分析程序，可以进行多元统计分析。
Kmeans方法做点的聚类分析，并且画图表示
07-11
Kmeans解决聚类方法，点聚类方法，大家可以适当修改进行应用
数据挖掘-K-Means算法
09-08
在数据挖掘中，K-Means算法是一种cluster analysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。
k-modes聚类算法
学习者的旅途
12-08 1万+
引言 之前介绍的K-means和k-medoids算法都是针对数据为数值型的聚类算法，计算样本间的距离采用的是欧式距离，所以如果数据变量是类别型的采用这两种算法，就需要先进行one-hot编码或者dummy coding。针对类别型变量的聚类，可以采用k-modes聚类算法。 k-modes算法 当数据变量为数值型时，可以采用k-modes算法进行聚类。因为该算法中计算的是样本间的汉明距离，如果变...
K-modes聚类算法MATLAB
weixin_30312563的博客
12-23 2301
K-modes算法主要用于分类数据，如 国籍，性别等特征。 距离使用汉明距离，即有多少对应特征不同则距离为几。 中心点计算为，选择众数作为中心点。 主要功能： 随机初始化聚类中心，计算聚类。 选择每次聚类次数，选择最佳聚类初始化。 kmodes.m代码 function [cx,cost] = kmodes(K,data,num) % 生成将data聚成K类的最佳聚类 % ...
k-modes聚类算法介绍
热门推荐
tyh70537的博客
10-04 3万+
为什么要用k-modes算法k-means算法是一种简单且实用的聚类算法，但是传统的k-means算法只适用于连续属性的数据集，而对于离散属性的数据集，计算簇的均值以及点之间的欧式距离就变得不合适了。k-modes作为k-means的一种扩展，适用于离散属性的数据集。k-modes算法介绍假设有N个样本，M个属性且全是离散的，簇的个数为k 步骤一：随机确定k个聚类中心C1,C2...CkC_1,C
k-modes算法mysql_k-modes聚类算法
weixin_39540178的博客
01-19 917
为什么要用k-modes算法k-means算法是一种简单且实用的聚类算法，但是传统的k-means算法只适用于连续属性的数据集(数值型数据)，而对于离散属性的数据集，计算簇的均值以及点之间的欧式距离就变得不合适了。k-modes作为k-means的一种扩展(变种)，距离使用汉明距离，适用于离散属性的数据集。k-modes算法介绍K-modes是数据挖掘中针对分类属性型数据进行聚类采用的方法，其算法...
传统聚类算法学习笔记：K-Means原型聚类机制及基本原理
K-Means聚类算法在给定K值和K个初始类簇中心点的情况下，通过将每个点（即数据记录）分配到离其最近的类簇中心点所代表的类簇中，来实现聚类。当所有点分配完毕后，根据一个类簇内的所有点的平均值重新计算该类簇的...
评论 1
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