本文介绍了二分k均值（bisecting k-means）算法，用于解决k-means对初始质心敏感的问题。算法通过不断划分最大误差平方和的簇来逐步达到k个簇的目标。提供了算法的伪代码和Python实现，包括k-means和二分k-means。文章最后讨论了聚类评价手段，如purity、RI和F值。
机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍，所以就参考这本书的过程来学习了。
在上一个博文中，我们聊到了k-means算法。但k-means算法有个比较大的缺点就是对初始k个质心点的选取比较敏感。有人提出了一个二分k均值（bisecting k-means）算法，它的出现就是为了一定情况下解决这个问题的。也就是说它对初始的k个质心的选择不太敏感。那下面我们就来了解和实现下这个算法。
一、二分k均值（bisecting k-means）算法
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
