k-means底层思想
1、 随机设置K个特征空间内的点作为初始的聚类中⼼
2、 对于其他每个点计算到K个中⼼的距离, 未知的点选择最近的⼀个聚类中⼼点作为标记类别
3、 接着对着标记的聚类中⼼之后, 重新计算出每个聚类的新中⼼点(平均值)
4、 如果计算得出的新中⼼点与原中⼼点⼀样(质⼼不再移动) , 那么结束, 否则重新进⾏第⼆步过程
代码实现
k-means底层思想
1、 随机设置K个特征空间内的点作为初始的聚类中⼼
2、 对于其他每个点计算到K个中⼼的距离, 未知的点选择最近的⼀个聚类中⼼点作为标记类别
3、 接着对着标记的聚类中⼼之后, 重新计算出每个聚类的新中⼼点(平均值)
4、 如果计算得出的新中⼼点与原中⼼点⼀样(质⼼不再移动) , 那么结束, 否则重新进⾏第⼆步过程
代码实现