K-means算法优化(二分K-means算法)

本文介绍了K-means算法的缺点,包括对噪声和孤立点的敏感性以及需要预设K值。二分K-means算法作为改进方法,通过不断划分和合并簇来优化聚类效果,降低SSE(误差平方和)。通过Python实现,二分K-means在西瓜数据集上的实验结果表明其优于传统K-means算法。
摘要由CSDN通过智能技术生成

关注微信公众号【Microstrong】,我写过四年Android代码,了解前端、熟悉后台,现在研究方向是机器学习、深度学习!一起来学习,一起来进步,一起来交流吧!


本文同步更新在我的微信公众号里,地址:https://mp.weixin.qq.com/s?__biz=MzI5NDMzMjY1MA==&mid=2247484014&idx=1&sn=516cdf9ec77302c2c11d398469ddf3f1&chksm=ec6533ebdb12bafd09112e86d655435456bd3b91bc9e2edc062494e76d25938e98e75ea052d4#rd


目录:

(1)回顾K-means算法缺点

(2)二分K-means算法介绍

(3)Python实现二分k-means算法

 

1k-means算法缺点


上一篇文章《聚类算法之K-means算法》中介绍了K-means算法所有知识点并指出K-means算法的缺点。今天我们来回顾一下K-means的这些缺点:

  1. 对噪声和孤立点数据比较敏感。表

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值