机器学习系列（14）——K均值聚类

最新推荐文章于 2025-02-27 23:21:47 发布

陌简宁

最新推荐文章于 2025-02-27 23:21:47 发布

阅读量3.9k

点赞数

分类专栏：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/ii719481781/article/details/108679858

版权

本文介绍K均值（KMeans）聚类算法。

0x01、k均值聚类简介

K均值聚类是基于样本集合划分的聚类算法。K均值聚类将样本集合划分为K个子集，构成K个类，将n个样本分到K个类中，每个样本到其所属类的中心的距离最小。每个样本只能属于一个类，所以K均值聚类是硬聚类。

1、模型

给定个样本的集合 $X= \left\{ x_1, x_2, ...,x_n \right\}$ ，每个样本由一个特征向量表示，特征向量的维数是。均值聚类的目标是将个样本分到个不同的类或簇中，这里假设 k<n 。个类 G_1, G_2,...,G_k 形成对样本集合的划分，其中 $G_i \cap C_j = \varnothing$ ， $\bigcup_{i=1}^{k} G_i = X$ 。用表示划分，一个划分对应着一个聚类结果。

划分是一个多对一的函数。事实上，如果把每个样本用一个整数 $i \in \left\{ 1,2,...,n \right\}$ 表示，每个类也用一个整数 $l \in \left\{ 1,2,...,k \right\}$ 表示，那么划分或者聚类可以用函数 l = C(i) 表示，其中 $i \in \left\{ 1,2,...,n \right\}$ ， $l \in \left\{ 1,2,...,k \right\}$ 。所以k均值聚类的模型是一个从样本到类的函数。

2、策略

均值聚类归结为样本集合的划分，或者从样本到类的函数的选择问题。

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。