个人总结：聚类 K-Means

最新推荐文章于 2025-04-12 22:05:08 发布
最新推荐文章于 2025-04-12 22:05:08 发布
阅读量1k 收藏 1
点赞数
分类专栏： 机器学习 文章标签： 机器学习 聚类
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。
本文链接：https://blog.youkuaiyun.com/yyhhlancelot/article/details/93631729
版权
本文详细介绍了K-Means聚类算法的原理、流程、优化方法及应用场景，包括K-means++、ISODATA、Elkan算法和Mini Batch K-means。同时，讨论了K-Means的优缺点，如对K值的选择敏感、对非凸数据集和不平衡数据的处理能力有限等。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

K-Means是无监督聚类算法，实现简单且效果不错。只看名字容易与可以分类回归的K-近邻搞混。

原理

它将样本按照距离的大小，将其划分为K个簇。簇内的点尽量紧密，簇间距离越大越好。

假设簇有k个，分别为，\mu_{i}为簇Ci的均值向量，称为质心或者簇心，表示为：

于是我们的目标可以设为，使所有簇内数据到它对应的簇心的距离最小：

求E的最小值是一个NP难问题，于是采用迭代方法如下图，红点和蓝点分别对应两个簇的簇心，随着簇心的迭代更新，每个簇对应的数据在发生改变，直到最后收敛

最低0.47元/天 解锁文章
机器学习聚类算法之K-means
gaobing1993的博客
09-08 776
1.前言 什么叫做聚类，这是一种典型的无监督机器学习算法。简单来说就是把相似度高的放到一堆。在这里我们关注的重点并不是特征和标签之间的关系，而是样本与样本之间的关系。 2.K-means聚类 K-means是所有实现聚类的算法中最常用的一种，因为其简单，效果好。听到简单二字是不是觉得有点兴奋，如果学习也是一条食物链的话，那么像这些容易捕捉的猎物，简直就是初学者信心增长的能量之水。那么就一起来蔑视它，蹂躏它把！ K就是我们最终要划分的簇数量，说人话...
k-means基础
yeqiustu的博客
05-09 473
k-means、knn
常用聚类方法kmeans
AI学习笔记
05-04 449
k个簇中心，平均法重新计算各个簇中心，簇心几乎不移动。 输入：簇的数；数据集； 输出：k个簇 方法：从数据集中找出k个对象当作原始的簇心； import numpy as np a=np.array([(3,4),(3,6),(7,3),(4,7),(3,8),(8,5),(4,5),(4,1),(7,4),(5,5)]) lines="" for i in a: for j ...
K-means算法
chp的博客
10-24 1万+
目录算法概述算法原理算法推导算法流程K值的确定 算法概述 K-means算法也称为K_均值算法，用于聚类算法。聚类是一种无监督学习，他将相似的对象归于一个簇中，簇中心通过簇中所有点的均值来计算。聚类算法与分类算法的主要区别就是分类的目标类别已知，而聚类的目标类别未知。 簇：所有数据点的点集合，簇中的对象是相似的 质心：簇中所有点的中心（由簇中所有点的均值求得） SSE:Sum of Sqared Error 平方误差和，SSE越小表示越接近质心 算法原理 误差平方和SSE用来衡量K-means算法的好坏SS
K-means聚类算法第2关：计算样本的最近邻聚类中心
Online_Yan的博客
12-19 3008
K-means聚类算法-计算样本的最近邻聚类中心
电商用户购物行为分析：基于K-Means聚类与分类验证的完整流程
最新发布
qq_36224726的博客
04-12 1009
本文介绍了一个完整的电商用户购物行为分析系统，涵盖了数据预处理、K-Means聚类、分类验证和结果可视化等模块。通过该系统，企业可以有效地挖掘用户行为特征，评估聚类结果的质量，并生成直观的可视化报告。这些分析结果可以为企业制定个性化营销策略提供有力支持，从而提升用户满意度和转化率。未来的工作可以进一步优化聚类算法，尝试其他聚类方法（如DBSCAN、层次聚类等），并结合深度学习技术进一步提升分类验证的性能。此外，还可以将分析结果与实际业务数据结合，评估不同营销策略的效果，为企业决策提供更全面的支持。
机器学习算法-原型聚类K-Means算法
2301_79295435的博客
07-18 891
我们在前边学习了KNN算法、线性回归算法、逻辑回归算法、朴素贝叶斯算法、决策树、随机森林和支持向量机算法，它们都属于有监督学习算法，有监督学习的核心在于从带有标签的数据中学习，在这种有标签的数据学习的过程中，算法的目标是找到输入特征和输出标签之间的映射关系。而在有的情况下，我们并不知道数据的类别标签，无法预先提供带有标签的数据，这种情况下就需要用到无监督学习算法。无监督就是事先并不需要知道数据的类别标签，而只是根据数据特征去学习，找到相似数据的特征，然后把已知的数据集划分成不同的类别。
【机器学习】K-means++: 一种改进的聚类算法详解
鑫宝的博客
06-27 8251
从数据集中随机选择第一个质心。对于每个数据点x，计算其到已选择的所有质心的最短距离D(x)。选择一个新的数据点作为下一个质心，选择的概率与D(x)成正比，即概率P(x)D(x)/ ΣD(x)。重复步骤2和3，直到选择了K个质心。这种选择策略确保了质心之间的分散性，从而提高了聚类效果。K-means++算法通过一种更加智能的初始化策略，显著改善了经典K-means算法的性能，尤其在解决初始质心选择的随机性和局部最优问题上表现出色。
K-means聚类模型教程（个人总结版）
年糕的博客
05-23 1529
K-means聚类是一种简单高效的无监督学习算法，广泛应用于图像处理、市场营销、客户细分等领域。通过详细介绍K-means聚类的基本原理、具体实现步骤、算法优化方法和应用实例，希望能帮助读者更好地理解和应用这一重要的机器学习技术。在实际应用中，选择合适的簇数和初始化方法，并结合具体问题的需求进行调整和优化，将有助于获得更好的聚类效果。
KMeans算法，采用肘部法则获取类簇中心个数K的值。
weixin_46613998的博客
10-13 6608
K-Means是一种非常常见的聚类算法，在处理聚类任务中经常使用，K-Means算法是一种原型聚类算法。 该算法重要的一步就是确定K的值的划分，通常我们采用肘部法则选取K值，再依据轮廓系数，及各个数据集中数据的数量综合去评估哪个K值为最佳。 肘部法则 1 ）、对于n个点的数据集，迭代计算k from 1 to n，每次聚类完成后计算每个点到其所属的簇中心的距离的平方和； 2）、平方和是会逐渐变小的，直到k时平方和为0，因为每个点都是它所在的簇中心本身。 3）、在这个平方和变化过程中..
机器学习之K-means算法（小白入门级别）
不务正业的程序媛的博客
07-27 2475
K-means算法算法流程描述算法流程K值的选择质心的初始化距离的度量新质心的计算是否停止K-meanspython实现代码各方法的解释代码数据集介绍结果分析聚类结果结论改进二分K-meansK-means++后处理降低SSE 算法流程描述   K-means算法又名k均值算法,K-means算法中的k表示的是聚类为k个簇，means代表取每一个聚类中数据值的均值作为该簇的中心，或者称为质心，即用每一个的类的质心对该簇进行描述。   其算法思想大致为：先从样本集中随机选取 k个样本作为簇中心，并计算所有样本
机器学习第12天：聚类
Nowl的博客
11-22 1973
某位著名计算机科学家有句话：“如果智能是蛋糕，无监督学习将是蛋糕本体，有监督学习是蛋糕上的糖霜，强化学习是蛋糕上的樱桃”现在的人工智能大多数应用有监督学习，但无监督学习的世界也是广阔的，因为如今大部分的数据都是没有标签的上一篇文章讲到的降维就是一种无监督学习技术，我们将在本章介绍聚类无监督学习的意义聚类的定义K-Means方法聚类绘制K-Means决策边界。
算法 聚类算法
zzqingyun的博客
05-14 2057
🌞欢迎来到机器学习的世界 🌈博客主页：卿云阁 💌欢迎关注🎉点赞👍收藏⭐️留言📝 🌟本文由卿云阁原创！ 🌠本阶段属于练气阶段，希望各位仙友顺利完成突破 📆首发时间：🌹2021年5月9日🌹 ✉️希望可以和大家一起完成进阶之路！ 🙏作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！ 🍈 一、聚类的基本概念 定义 1. m=3 2. k=2 3. x1——>1 x2——>2 x3——>1...
K-Means(K均值聚类)原理及代码实现
weixin_45181983的博客
06-30 6788
K均值聚类原理及代码实现。 K-Means(K均值聚类)K-Means算法是机器学习中一个非常简单且使用的聚类算法。其只具备一个超参数K，代表着样本的类别数。
论文精读报告-Clustering by fast search and find of density peaks
咸鱼咸的博客
04-04 1860
不积小流，无以成江海。
k means聚类算法_聚类算法之——K-Means算法
weixin_39942397的博客
01-31 1226
聚类算法属于无监督学习，它将相似的对象归到同一个簇中。K-Means算法是聚类算法中最常用到算法；1. 预备知识点距离计算闵可夫斯基距离点 之间的闵可夫斯基距离为 欧式距离点 之间的欧氏距离为： 曼哈顿距离（Manhattan Distance ）图中红线代表曼哈顿距离，绿线代表欧式距离，也就是直线距离，而蓝色和黄色代表等价的曼哈顿距离。曼哈顿距离：两点在南北方向上的距离加上在东西方向上的...
MATLAB和python仿真K-means算法
weixin_45951391的博客
11-28 1020
K-means算法是一种非监督的聚类算法，它的目的是将数据集中的n个样本划分为k个不相交的簇，使得每个样本属于离它最近的簇，从而达到最小化簇内样本间的距离之和的目标。K-means算法需要初始的聚类中心。随机选择一些数据点作为初始中心，也能使用其他方法进行初始化。函数将数据点按照其所属的聚类进行可视化，并绘制聚类中心。函数来生成随机数据，也可以根据需求导入实际数据。首先，生成一些用于测试的随机数据。函数执行K-means算法。
质心算法
热门推荐
fighting123678的博客
04-14 2万+
Description 在很多应用中，需要对某个目标进行定位。比如对于一个未知坐标的点A，假定已知A点与N个点相邻，且已知N个相邻点的坐标，则可取N个点的质心作为A点坐标的一个估计值。 所谓质心，就是指其横坐标、纵坐标分别为N个点的横坐标平均值、纵坐标平均值的点。即：假定N个点的坐标分别（x1,y1)，(x2,y2)，……，则质心的坐标为（(x1+x2+…)/N, (y1+y2+…)/N)。 ...
评论
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