关于K-Means应知道的

最新推荐文章于 2023-06-20 00:37:12 发布
VIP文章 最新推荐文章于 2023-06-20 00:37:12 发布
阅读量421 收藏 2
点赞数
分类专栏： Python 文章标签： python 聚类 kmeans算法 算法
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.csdn.net/Itachi_dream/article/details/108052471
版权

1. 目标

选择合适的质心，使得在每个簇内样本距质心的距离（欧式距离）尽可能小，即簇内样本具有较高的相似性，可以使用最小化簇内误差平方和SSE作为目标函数，也称为簇惯性。
在这里插入图片描述

2. 过程

①从样本中选择K个点作为初始质心；②计算每个样本到各个质心的距离，将样本划分到距离最近的质心所对应的簇中；③计算每个簇内所有样本的均值，并使用该均值更新簇的质心；④重复步骤2、3，直到质心位置变化小于指定阈值或达到最大迭代次数为止。

3. 如何确定K值

K值枚举过程：《K-means 算法中k 值优化问题研究》在查找最优k 值时，应在k 为1~ int(sqr(n))+1范围内查找对应最小L 函数的k 值

3.1 肘部法

随着K的增加，每个簇的聚合程度会逐渐提高，损失函数逐渐减小。纵轴呈下降趋势且最终趋于稳定。当k小于真实聚类数时，由于k的增大会大幅增加每个簇的聚合程度，故SSE的下降幅度会很大，而当k到达真实聚类数时，再增加k所得到的聚合程度回报会迅速变小，所以SSE的下降幅度会骤

最低0.47元/天 解锁文章
Itachi_敢梦敢当
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Matlab实现 k均值算法（k-means）
bobomain的博客
06-19 5354
数据集 0.697 0.460 0.774 0.376 0.634 0.264 0.608 0.318 0.556 0.215 0.403 0.237 0.481 0.149 0.437 0.211 0.666 0.091 0.243 0.267 0.245 0.057 0.343 0.099 0.639 0.161 0.657 0.198 0.360 0.370 0.593 0.042 0.7...
K-means实现广告聚类分析.zip
11-19
项目包含广告渠道90天内额日均UV，平均注册率、平均搜索率、访问深度、平均停留时长、订单转化率、投放时间、素材类型、广告类型、合作方式、广告尺寸和广告卖点等特征，将渠道分类，找出每类渠道的重点特征，为业务讨论和数据分析提供支持。 项目包含原始数据集和源代码
机器学习--基础算法之聚类(1,k-means)
weixin_44054142的博客
04-10 428
聚类简介 在进行k-means分析前，先说说聚类算法，聚类算法。之前说过无监督学习，训练样本无标签，我们通过某个算法来发现样本数据间的内在联系或者规律，而被应用最为广泛的就是聚类算法。聚类算法通常是将数据集划分为不想交的子集，每个子集被称作 ‘簇’ 。每个簇可能对应着样本的不同类别。而聚类的这种寻找数据集的内部分布结构，可单独达到分类效果，也可以是作为其他学习任务的前驱过程。 聚类和之前提到的分类...
机器学习算法之K-means（K均值聚类）算法
tttaeyang的博客
10-08 6245
聚类 聚类，简单来说，就是将一个庞杂数据集中具有相似特征的数据自动归类到一起，称为一个簇，簇内的对象越相似，聚类的效果越好。它是一种无监督的学习(Unsupervised Learning)方法,不需要预先标注好的训练集。聚类与分类最大的区别就是分类的目标事先已知，例如猫狗识别，你在分类之前已经预先知道要将它分为猫、狗两个种类；而在你聚类之前，你对你的目标是未知的，同样以动物为例，对于一个动物集来...
K—means（K-均值聚类算法）
qq_42057046的博客
08-01 4523
K-means算法简介 K-means是一种无监督的聚类算法，其中的k代表类簇个数，means代表类簇内数据对象的均值（这种均值是一种队类簇中心的描述。K-means算法以距离作为数据对象间相似度的衡量标准，即数据对象间的距离越小，则它们的相似性越高，即它们越有可能在同一个类簇。 k-means算法基本原理 kmeans算法又名k均值算法。其算法思想大致为：先从样本集中随机...
机器学习（九）：k-均值（k-means）
tb店铺搜：FUN STORE玩物社，专业买手挑选送礼好物
05-03 3万+
引言：     k均值（k-means）是一种聚类算法，其工作流程如下：随机选择k个点作为初始质心（质心即簇中所有点的中心），然后将数据集中的每个点分配到一个簇中，具体来讲，为每个点找距其最近的质心，并将其分配给该质心所对应的簇。这一步完成之后，每个簇的质心更新为该簇所有点的平均值。重复以上步骤，直到质心不发生变化。     k均值的操作解释参见图1。 图1     然而随机地选取初始...
机器学习之K-Means（k均值）算法
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
06-20 9769
K-Means算法又称K均值算法，属于聚类（clustering）算法的一种，是应用最广泛的聚类算法之一。所谓聚类，即根据相似性原则，将具有较高相似度的数据对象划分至同一类簇，将具有较高相异度的数据对象划分至不同类簇。聚类与分类最大的区别在于，聚类过程为无监督过程，即待处理数据对象没有任何先验知识，而分类过程为有监督过程，即存在有先验知识的训练数据集。K-Means是无监督学习的杰出代表之一。
关于K-means算法在航空公司客户价值分析
01-02
文档，数据，以及代码应有尽有！解压即可使用，code直接丢到spyder里面，如果不想改路径就想使用，直接解压到桌面上面运行。文档和代码以及数据均是网络上的综合之后，根据本人经验进行修改。
k-means算法课件ppt
最新发布
09-28
如果你想讲解关于k-means算法，却没有相应的ppt，那你来对了。我在一次面试的过程中也遇到了相似的情况，我精心做了一份关于k-means算法的ppt。如果你需要可以使用，但是使用的时候主要不要照抄哦。自己适度的改一改...
K-means聚类算法.ppt
10-26
PPT用于初步理解K-means算法，且基于K-means算法衍生出了三类算法：K-medoids,k-means++,FCM。该PPT的传输来自导师的资源分享，不涉及商用，用于大家对K-means算法的理解。如有侵权，本人将撤销资源上传。以上。
聚类算法：K-means聚类图像分割
12-22
1 K-Means聚类 K-Means聚类是最常用的聚类算法，最初起源于信号处理，其目标是将数据点划分为K个类簇，找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解，运算速度较快，缺点是只能应用于连续型...
使用R kmeans 算法实现异常检测
neweastsun的专栏
12-11 4153
kmeans 采用计算数据每个元素到聚集中心点的距离方式判断异常值。 利用R提供的kmeans函数把数据聚集为几个簇，然后再计算每个元素至簇中心的距离，最后选择最远距离的几个点，视为异常值。 准备数据 set.seed(97) test <- as_tibble(runif(100)*10) %>% mutate(id=row_number(), .before = "value") head(test, 10) # 增加几个异常值 test %>% mutate(value=.
聚类k-means算法详解
热门推荐
u012526436的博客
03-19 4万+
前言 俗话说：“物以类聚，人以群分”，在自然科学和社会科学中，存在着大量的分类问题。所谓类，通俗地说，就是指相似元素的集合。 而对于分类问题，我们通常不会提供x与y这样的映射关系，对于这种用机器自动找出其中规律并进行分类的问题，我们称为聚类。 聚类在实际的应用中亦是非常广泛的，如：市场细分（Market segmentation）、社交圈分析（social network analysis）...
以聚类问题为例，假设没有外部标签数据，如何评估两个聚类算法的优劣？
光英的记忆博客
03-26 3525
相比于监督学习，非监督学习通常没有标注数据，模型，算法的设计直接影响最终的输出和模型的性能。为了评估不同聚类算法的性能优劣，我们需要了解常见的数据簇的特点。 以中心定义的数据簇;这类数据集合倾向于球形分布，通常中心被定义为质心，即此数据簇所有店的平均值。集合中的数据到中心的距离相比到其他簇中心的距离更近。 以密度定义的数据簇：这类数据集合呈现和周围数据簇明显不同的密度，或稠密或稀疏。当数据簇不...
kmeans python_聚类的Python实现（二）：确定分群数K
weixin_39520775的博客
11-26 371
对于KMeans算法聚类数k的选取非常重要，下面介绍两种常用的选择方法。手肘法手肘法的核心指标是SSE(sum of the squared errors，误差平方和)： 其中，Ci是第i个簇，p是Ci中的样本点，mi是Ci的质心（Ci中所有样本的均值），SSE是所有样本的聚类误差，代表了聚类效果的好坏。 随着聚类数K的增大，样本划分会更加精细，每个簇的聚合程度会逐渐提高，那么误差平方和（SSE）...
kmeans中的k的含义_《K-means》知识点与思考
weixin_31235909的博客
02-01 1448
一、K-means概述K-means方法是非监督学习(Unsupervised learning)中的一种，非监督学习仍然需要数据，但是这些数据无需标签。K-means是一种常见的聚类算法，所谓聚类，即把相似的物体聚集在一起，用于发现数据的规律或模式。聚类可以用于用户分群、图像分割等方面。K-means中的K代表将数据集分为K个类。二、K-means算法K-means的中心思想与监督学习中的kNN...
K-means中K值的选取
Dan的专栏
08-28 3万+
以下博文转自：https://blog.csdn.net/qq_15738501/article/details/79036255  感谢   最近做了一个数据挖掘的项目，挖掘过程中用到了K-means聚类方法，但是由于根据行业经验确定的聚类数过多并且并不一定是我们获取到数据的真实聚类数，所以，我们希望能从数据自身出发去确定真实的聚类数，也就是对数据而言的最佳聚类数。为此，我查阅了大量资料和博...
【算法】一个简单的k均值（k-means）原理
YaoYee_21的博客
08-03 742
随机划分k类，逐个转移样本，使整体样本与聚类中心误差平方和最小
Kmeans聚类时K值选择的方法
weixin_43624833的博客
07-20 1万+
kmeas聚类方法中，常用的K值的选取方法
关于K-means实验
06-01
K-means算法是一种常用的聚类算法，可以用来对数据进行分组。在实验中，我们可以使用K-means算法来对数据进行聚类，从而发现数据中隐藏的结构。 以下是一些常见的K-means实验步骤： 1. 数据预处理：对数据进行去噪...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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