聚类

最新推荐文章于 2025-08-08 22:01:10 发布

weixin_33751566

最新推荐文章于 2025-08-08 22:01:10 发布

阅读量63

点赞数

CC 4.0 BY-SA版权

文章标签：数据结构与算法大数据

原文链接：http://www.cnblogs.com/brainstorm/p/7698533.html

当元素的特征向量，和类的数量确定之后，

那么这个解就确定了，都会收敛到向量空间中的固定几个点

先随便找K个类点

然后将所有数据，划到距离最近的类中心中
然后重新计算类中心，
这个过程迭代几次，类中心不断地向最终解收敛

输出的结果也就是这几个类中，以及每个元素属于哪个类中心

这是典型的kmeans算法的过程

这里的类的数量是认为指定的，可能需要多次尝试，才能找到一个合适的数量
评估的方法：类要尽量分散，类内部尽量内聚

可以使用mapreduce来实现，但是需要多次的mapreduce来迭代训练，每次训练出来几个类中心，需要判断是否收敛

转载于:https://www.cnblogs.com/brainstorm/p/7698533.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_33751566

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【机器学习-14】K-means聚类算法：原理、应用与优化

qq_38614074的博客

04-07

9万+

在众多聚类算法中，K-means算法因其简单高效而备受青睐。K-means算法的基本思想是：通过迭代的方式，将数据划分为K个不同的簇，并使得每个数据点与其所属簇的质心（或称为中心点、均值点）之间的距离之和最小。具体来说，K-means算法的执行过程通常包括以下几个步骤：首先，随机选择K个数据点作为初始的簇质心；然后，根据每个数据点与各个簇质心的距离，将其分配给最近的簇；接着，重新计算每个簇的质心，即取簇内所有数据点的平均值作为新的质心；

神经网络聚类方法：SOM算法原理

热门推荐

wj176623的专栏

09-13

7万+

一个神经网络接收外界输入模式时，将会分为不同的对应区域，各区域对输入模式有不同的响应特征，而这个过程是自动完成的。其特点与人脑的自组织特性类似。SOM的目标是用低维（通常是二维或三维）目标空间的点来表示高维空间中的所有点，尽可能地保持点间的距离和邻近关系（拓扑关系）。自组织神经网络：是无导师学习网络。它通过自动寻找样本中的内在规律和本质属性，自组织，自适应地改变网络参数与结构。

参与评论您还未登录，请先登录后发表或查看评论

聚类分析算法——K-means聚类详解

goTsHgo的博客

10-25

6万+

K-means 是一种简单、快速的聚类算法，广泛应用于数据聚类任务。通过反复优化簇中心位置，K-means 不断收敛并找到数据的聚类结构。然而，它对初始条件敏感，对簇形状有限制，适合于球形且均匀分布的簇。在实际应用中，可通过结合 K-means++、肘部法和轮廓系数等手段改进其效果。

一文弄懂DBSCAN聚类算法

sgzqc的专栏

06-30

1万+

今天就到这里了，本文重点介绍了机器学习中利用DBSCAN算法进行聚类的讲解，并给出了详细的图例说明。您学废了吗？

聚类算法：Hierarchical Clustering层次聚类

满腹的小不甘

01-09

5万+

1. 层次聚类 1.1 层次聚类的原理及分类 1）层次法（Hierarchicalmethods）：先计算样本之间的距离。每次将距离最近的点合并到同一个类。然后，再计算类与类之间的距离，将距离最近的类合并为一个大类。不停的合并，直到合成了一个类。其中类与类的距离的计算方法有：最短距离法，最长距离法，中间距离法，类平均法等。比如最短距离法，将类与类的距离定义为类与类之间样本的最短距离。层次聚...

聚类算法

weixin_42444577的博客

11-24

2095

聚类算法聚类算法K-means聚类K-mediods（K中心点）算法K-means++聚类二分均值法聚类ISODATA参考聚类算法聚类算法的核心——类见距离大，类内距离小分类是分析已有的数据，寻找其共同的属性，并根据分类模型将这些数据划分成不同的类别聚类预先不知道欲划分类的情况下，根据信息相似度原则进行信息聚类的一种方法 K-means聚类 1、随机的取 k 个点作为 k 个初始质心...

OPTICS聚类

Mark_Australia的博客

09-07

2220

密度聚类的一种，是DBSCAN聚类的改进算法，其对输入参数不敏感。对数据集中的对象排序，得到一个有序对象的列表用于提取聚类。

层次聚类算法的实现

ZHW-鲜橙大AI课题组的博客

04-12

1万+

目录1.作者介绍2．层次聚类算法介绍2.1 层次聚类算法原理2.2 层次聚类算法步骤2.3 层次聚类算法分类3．层次聚类算法实现(代码如下)3.1 相关包导入3.2 生成测试数据集3.3 层次聚类实现&画出树状图3.4 获取聚类结果3.5 对比不同方法聚类效果4.参考链接 1.作者介绍杨金花，女，西安工程大学电子信息学院，21级研究生研究方向：基于学习方法的运动目标检测电子邮件：2902551510@qq.com 2．层次聚类算法介绍 2.1 层次聚类算法原理聚类就是对大量未知标注的数据集

聚类稳健标准误

celine0227的博客

04-25

3万+

一、为什么？对样本做回归分析的核心是使用最小二乘法去估计模型里的参数，比如核心解释变量前面的系数。我们通过最小二乘法使得残差平方和最小，求得样本估计系数。如果进行一次估计，由于干扰项e的存在，估计值与真实值之间一定存在差异。样本估计值与真实值之间的差别中，误差项起了关键作用。误差项是一个随机变量，每次估计都会得到不同的差异值。关于样本估计系数性质的讨论，都以误差项为核心。我们希望样本估计系数特别好，接近真实值，所以必须有良好的性质，而良好的性质需要有前提条件，也就是一些假设。比如，我们希望反复抽

聚类分析算法——层次聚类详解

goTsHgo的博客

10-25

7972

层次聚类（Hierarchical Clustering）是一种无监督的机器学习方法，通过递归地对数据进行合并（或拆分），构建一个类似树的聚类结构，称为“树状图”（Dendrogram）。该算法通常用于探索数据的层次结构。根据聚类方向的不同，层次聚类可以分为“自底向上”（凝聚式聚类）和“自顶向下”（分裂式聚类）两种方法。

matlab模糊聚类程序动态聚类图程序.zip_MATLAB 聚类_matlab 聚类程序_matlab谱系图_模糊动态聚类_

07-14

在数据分析和机器学习领域，模糊聚类是一种广泛应用的算法，它允许数据点在不同类别之间具有一定程度的“模糊”归属。MATLAB作为一种强大的数学计算软件，提供了实现模糊聚类的工具和函数，使得用户能够方便地进行...

（matlab程序）发表在Science上的一种新聚类算法.zip_matlab_密度峰值聚类_聚类_聚类算法

09-19

【标题】中的“（matlab程序）发表在Science上的一种新聚类算法”指的是一个基于MATLAB实现的聚类算法，该算法具有重要的科学影响力，因为它被发表在了《Science》这一顶级科学期刊上。这通常意味着算法具有创新性和...

matlab模糊聚类分析（算法源码）

05-22

matlab模糊聚类分析（算法源码） matlab模糊聚类分析（算法源码） matlab模糊聚类分析（算法源码） matlab模糊聚类分析（算法源码） matlab模糊聚类分析（算法源码） matlab模糊聚类分析（算法源码） matlab模糊聚类...

聚类分析

01-07

聚类分析一、聚类的关键：距离二、K-means聚类算法三、聚类的注意事项聚类好坏的评估方法1、技术上的方法2、业务上的方法连续型数据标准化分类型数据标准化一、聚类的关键：距离二、K-means聚类算法三、聚类的...

Kmeans聚类样本+可视化源码

04-19

《KMeans聚类及其在故障类型分析中的应用》 KMeans聚类算法是机器学习领域中最为基础且广泛应用的无监督学习方法之一，主要用于数据的分组或分类。该算法的核心思想是通过迭代过程，将数据点分配到最近的聚类中心...

均值聚合与PCA：优劣全解析

ZJQ的博客

08-05

1975

摘要：均值聚合与主成分分析（PCA）是两种数据简化方法，适用场景不同。均值聚合优势在于计算简单（基础运算即可）、可解释性强（结果对应原始变量水平）、对数据分布无严格要求，且聚焦“集中趋势”，适合快速整合信息或需直观解释的场景（如绩效评分）。PCA则依赖变量相关性，需先标准化数据以消除量纲影响，核心是提取数据变异方向，适合高维强相关数据降维。两者非替代关系，需根据目标选择：关注整体水平时用均值聚合，探索数据结构时用PCA。（150字）

Java集合中的链表