百面机器学习总结笔记（第五章 非监督学习）

百面机器学习总结笔记

第五章 非监督学习

第1节 K均值学习

场景描述


知识点
K 均值聚类算法，ISODATA 算法， EM 算法( Expectation-Maximization Algorithm ，最大期望算法)

问题：简述K均值算法的具体步骤

分析与解答

图 5.2 是 K-means 算法的一个迭代过程示意图 。 首先，给定二维空间上的一些样本点(见国 5.2 (a) ) , 直观上上这些点可以被分成两类， 接下来，初始化两个中心点(圄 5.2( b)的棕色和黄色叉子代表中心点)， 并根据中心点的位置计算每个样本所属的簇(圄 5.2 ( c )用不同颜色表示)，然后根据每个簇中的所有点的平均值计算新的中心点位置( 见圄 5.2(d ))，图 5.2 (e)和图 5.2 (f) 展示了新轮的迭代结果， 在经过两轮的迭代之后，算法基本收敛 。

问题：K 均值算法的优缺点是什么？如何对其进行调优？

分析与解答
优缺点

算法调优