k-均值算法的一个重要的局限性即在于它的聚类模型。这一模型的中心思想是:得到相互分离的球状聚类,在这些聚类中,均值点趋向收敛于聚类中心。
K-Means聚类得到的分类结果默认了数据关于其类别之间的差异性是随着其欧氏距离的增大而增大的。K-Means聚类无法得到一个差异性与欧氏距离非线性增大的分类结果。 对于这个缺陷,我们可以用预先提取特征,使得特征的分布是球状分布,然后再进行K-Means吗? 那么问题就会变成,如何将无Label的数据提取出球状分布的特征呢?
K-Means算法更多的讨论与想法
最新推荐文章于 2021-02-01 07:39:24 发布