k-means

最新推荐文章于 2024-06-21 09:50:17 发布

icodeblocks

最新推荐文章于 2024-06-21 09:50:17 发布

阅读量320

点赞数

分类专栏：机器学习文章标签：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/icodeblocks/article/details/109855670

版权

K-means是一种经典的聚类算法，其流程包括选择中心点、分配样本、更新中心点等步骤。算法优点是计算复杂度低，收敛快，但受初始值、离群值影响大，可能导致局部最优解。可通过数据预处理、选择K值、采用核函数等手段进行调优。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

k-means

聚类算法是在不知道数据标签的情况下将相似的数据分为一类。K-means是一个经典的聚类算法，在实践中往往得到不错的效果。

K-means的算法流程：

选择K个中心点，计算样本中每个点与这K个点的距离。
比较样本点离那个中心点最近的，并将该样本点划分到离样本点最近的类别中。
根据第2步将每个样本分为K个簇，求每个簇的中心点，将其作为新的中心点。
重复的执行1到3步，直到簇的中心变化小于规定值，或者达到预定的迭代次数，或者MSE小于预定值。

算法的可视化如图：在这里插入图片描述

算法的优点：

计算的时间复杂度接近线性（

最低0.47元/天解锁文章

评论

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。