- 博客(5)
- 资源 (1)
- 收藏
- 关注
原创 论文笔记: 可解释神经聚类作业(copy)
在k-Means算法中,最关键的步骤是将每个数据点分配到距离最近的聚类中心。我们定义数据集D的均值点为 c,其表示为 c = (c_1, c_2, …通过上述推导,我们证明了当数据集D中所有数据点到均值点c的距离之和最小时,均值点c为数据集D的中心点。上述表达式表示均值点c的每个分量c_j为数据集D中对应维度上的所有数据点分量的平均值。首先,我们定义距离的度量方式为欧几里得距离的平方,即 ||x_i - c||^2。我们的目标是最小化数据集D中所有数据点到均值点c的距离之和。
2023-06-24 20:57:39
205
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人