一、K-Means
现上一张图:
1.先说一下K-means的流程
1. 随机选择K个点作为聚类中心。
2. 对数据集中每一个点,计算其与每一个质心的距离(如欧式距离),离哪个质心近,就划分到那个质心所属的集合。
3. 重新计算K个聚类簇的每个聚类中心
4. 重复2-3步骤
5. 截至条件为:当K个聚类中心不再变化,或者达到一定的迭代次数。
1. 随机选择K个点作为聚类中心。
2. 对数据集中每一个点,计算其与每一个质心的距离(如欧式距离),离哪个质心近,就划分到那个质心所属的集合。
3. 重新计算K个聚类簇的每个聚类中心
4. 重复2-3步骤
5. 截至条件为:当K个聚类中心不再变化,或者达到一定的迭代次数。