K-means与物流选址

最新推荐文章于 2025-04-02 16:38:42 发布

weixin_34209406

最新推荐文章于 2025-04-02 16:38:42 发布

阅读量1.4k

点赞数 2

CC 4.0 BY-SA版权

文章标签： python 数据结构与算法

原文链接：http://www.cnblogs.com/yuanquanxi/p/10241289.html

博客探讨了K-means聚类算法的流程和优化目标，指出其在物流选址问题中的局限性。针对物流选址问题，文章介绍了几何中位数的概念和应用，提出在K-means的步骤中使用几何中位数代替均值来更准确地解决此类问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

K-means
- 流程
- 优化目标
物流选址
- 问题
- 方法
Geometric median
- 问题
- 方法
- 应用

K-means

流程

k-means是聚类，即将n个点分为k类，步骤如下：

0，随机选择k个点作为类中心；
1，将每个点按欧氏距离(的平方)选择一个最近的类中心，分配到这个类中；
2，将新得到的类的形心cen

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。