Killer_kali的博客

聚类分析之K-means算法文章目录聚类分析之K-means算法一.距离度量和相似度度量方法1.距离度量2.相似度二.K-means算法原理1.选取度量方法2.定义损失函数3.初始化质心4.按照样本到质心的距离进行聚类5.更新质心6.继续迭代 or 收敛后停止聚类分析是一类非常经典的无监督学习算法。聚类分析就是根据样本内部样本“子集”的之间的特征找到相似度最接近的一堆堆“子集”，将相似度最接近的样本各自分为一类。一.距离度量和相似度度量方法根据上面的阐述，这个特征找得好、找的合适，我聚类的效果也就可

import numpy as npimport matplotlib.pyplot as pltlearning_rate=15 # 多次调整epochs=1000# input_features=1# input_size=1000# output_features=1# output_size=1000w=np.ones((1000,))b=np.ones((1000,))x=np.random.randn(1000,)y=np.array([xi**3 for xi

import numpy as npimport matplotlib.pyplot as pltlearning_rate=1e-1 # 多次调整epochs=1000# input_features=1# input_size=1000(and sum)# output_features=1# output_size=1000(and sum)w=np.ones((1000,))b=np.ones((1000,))x=np.random.randn(1000,)y=np.