无监督学习——聚类算法

K-Means算法

主要步骤

K-Means算法是一个迭代算法,主要两个步骤

  1. 随机初始化K个点作为聚类中心,中心不一定是给出的点中的,不过最好选择样本中K个点作为聚类中心。
  2. 簇分配:遍历每个点,根据距离分配到K个聚类中心。如果没有点一般丢掉这个聚类中心,不过这种情况十分罕见。
  3. 移动聚类中心:找出所有同类的点,计算其位置均值,这就是新的聚类中心。再次进入2循环,直到聚类中心不改变。
目标优化函数(代价函数)

在这里插入图片描述

初始化不同导致的局部最优

在这里插入图片描述
解决方法:多次计算计算代价函数。适用于聚类数目较小的情况。

局部最优原因

在这里插入图片描述

K值的选择
  1. 肘部法则

在这里插入图片描述
2.根据自己的目的确定个数。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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