聚类算法
文章目录
学习目标
- 掌握聚类算法实现过程
- 知道K-means算法原理
- 知道聚类算法中的评估模型
- 说明K-means的优缺点
- 了解聚类中的算法优化方式
- 应用Kmeans实现聚类任务
6.4 模型评估
1 误差平方和(SSE \The sum of squares due to error):
举例:(下图中数据-0.2, 0.4, -0.8, 1.3, -0.7, 均为真实值和预测值的差)
在k-means中的应用:
公式各部分内容:
上图中: k=2
-
SSE图最终的结果,对图松散度的衡量.(eg: SSE(左图)<SSE(右图))
-
SSE随着聚类迭代,其值会越来越小,直到最后趋于稳定: