本文详述k-means聚类算法，包括其原理、步骤、优化方法（k-means++）、小批量处理、簇类个数选取策略，并探讨了k-means在各向异性、非凸数据、标准差不等及高维数据等场景的局限性，同时与knn算法进行了对比。
前言
k-means算法是非监督聚类最常用的一种方法，因其算法简单和很好的适用于大样本数据，广泛应用于不同领域，本文详细总结了k-means聚类算法原理 。
以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！
1. k-means聚类算法原理
若簇类相似度好簇间的相似度差，则聚类算法的性能较好。我们基于此定义k-means聚类算法的目标函数：
订阅专栏 解锁全文
扫一扫
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
