1)K-means聚类算法(K-means Clustering Algorithm)描述
2)2-means聚类算法(K-means Clustering Algorithm)效果展示图片
3)k-means聚类算法(K-means Clustering Algorithm)收敛性简述
4)支持k-means聚类算法(K-means Clustering Algorithm)有效性的EM思想
K-means Clustering Algorithm是聚类算法中最简单的一种了,但却是非常有效的一种。由于简单,算法描述会一笔带过;由于有效,我们将探讨支持该算法有效性的EM思想。
开始前说一下什么是无监督学习(Unsupervised Learning):即,训练样本只给出特征值,其中每个
,而没有给出对应的y。回忆前面的有监督学习,例如回归、朴素贝叶斯、SVM等,训练样本都是有类别标签y。
1)K-means聚类算法(K-means Clustering Algorithm)描述
K-means算法是将样本聚类成k个簇(cluster),具体算法描述如下:
1、 随机选取k个聚类质心点(cluster centroids)为 2、 重复下面过程直到收敛 { 对于每一个样例i,计算其应该属于的类 对于每一个类j,重新计算该类的质心 } |
2)2-means聚类算法(K-means Clustering A