k-means算法详解及python代码

最新推荐文章于 2025-03-19 21:53:58 发布

曹J学霸

最新推荐文章于 2025-03-19 21:53:58 发布

阅读量2w

点赞数 14

分类专栏：机器学习文章标签： K-means聚类机器学习

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/caoIjun/article/details/81383192

版权

K-means算法原理

K-means聚类属于原型聚类（基于原型的聚类，prototype-based clustering）。原型聚类算法假设聚类结构能够通过一组原型进行刻画，在现实聚类任务中极为常用。通常情况下，原型聚类算法对原型进行初始化，然后对原型进行迭代更新求解。

针对给定样本集 $D = \left \{ x_{1},x_{2},...,x_{n} \right \}$ ，K-means算法针对聚类得到的簇划分 $C = \left \{ C_{1}, C_{2},..., C_{n} \right \}$ 最小化平方误差（error function)：

$E = \sum_{i}^{k}\sum_{x\in C_{i}}^{ }\left \| x - \mu _{i} \right \|_{2}^{2}$

其中 $\mu _{i} =\frac{1}{\left | C_{i} \right |} \sum _{x\in C_{i}}x$ 是簇 $C_{i}$ 的均值向量。要最小化K-means的误差函数并不容易，找到它的最优解需要考察样本集 $D$ 中所有的簇划分，这是一个NP难问题。K-means算法采用的是贪心策略，通过迭代近似求解误

最低0.47元/天解锁文章

评论 5

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。