机器学习（Machine learning）9——K-means algorithm（k-means聚类算法）

最新推荐文章于 2024-06-05 22:30:00 发布
最新推荐文章于 2024-06-05 22:30:00 发布
阅读量370 收藏 1
点赞数
分类专栏： 机器学习 深度学习 k-均值聚类 文章标签： 聚类 算法 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41116319/article/details/125204440
版权

文章目录

一、Application of clustering

Market segmenation; Social network analysis; Organize computing clusters; Astronomical dada analysis.

It’s an unsupervised learning.

二、K-means algorithm

为了更好的理解此算法，我们先来举一个例子:

  1. 首先给定一组数据样本点
    在这里插入图片描述

  2. 随机初始化两个样本点作为两个簇的中心点
    在这里插入图片描述

  3. clustering assignment(进行簇的分类)
    在这里插入图片描述

  4. move centroid(移动中心点:形成两个簇的新的中心点)

    a. 找出所有红色的点，计算出他们的均值，然后把红点的聚类中心移动到这里。

    b. 找出所有蓝色的点，计算出他们的均值，然后把蓝点的聚类中心移动到这里。
    在这里插入图片描述

  5. 重新进行簇的分类
    在这里插入图片描述

  6. 移动中心点:形成两个簇的新的中心点
    在这里插入图片描述

  7. 再重新进行簇的分类
    在这里插入图片描述

  8. 再移动中心点:形成两个簇的新的中心点
    在这里插入图片描述
    到这一步，分类完成。

三、K-means algorithm step

在这里插入图片描述

四. K-means optimization objective

在这里插入图片描述
2. Optimization objective:
在这里插入图片描述
在这里插入图片描述

五. 注意事项

  1. 刚开始时改如何初始化聚类中心？

    a. 首先要求聚类中心数<样本数m。
b. Randomly pick K training examples:

在这里插入图片描述
2. 如何选择聚类的数量(即K的值):

目前都是通过人们手动选取或者根据人们的经验来选，最重要的是选择聚类的数量来更好的服务我们的目的。

江南曾听风
关注
专栏目录
K-均值聚类算法研究
07-04
通过对UCI机器学习数据库数据及人工随机模拟数据的测试,证明本文算法与Aristidis Likas的全局K-均值聚类算法和快速全局K-均值聚类算法比,在不影响聚类误差平方和的前提下,聚类时间更短,具有更好的性能。同时,本文...
[算法理解]k-means algorithm
ZY_miao的博客
11-13 727
文章目录前言一、k-means算法介绍二、算法流程（引自西瓜书）三、算法实现（python）总结 前言 算法名：k-means algorithm 本文作者：XMU_MIAO 日期：2020/11/12 一、k-means算法介绍   k-means算法是一种无监督聚类算法，其应用广泛。首先根据要划分的类数kkk随机选择kkk个样本作为均值向量（每个均值向量代表了一个类别），而后计算每一个样本点与这些均值向量的距离，并根据最近的均值向量将样本点进行归类，再将均值向量更新并循环上述步骤，直到均值向量不再更
k-means聚类算法详解
magicmens的博客
04-06 1万+
K-means 是我们最常用的基于欧式距离的聚类算法，其认为两个目标的距离越近，相似度越大。
K-Means Algorithm
道路，愿景与目标。
05-15 2509
K-Means算法是一种聚类（Clustering）算法，属于非监督学习算法(Unserpvised Learning)的一种，它可以根据数据的分布特典自动对数据进行分类。应用的场景包括市场划分(Market Segmentation), 分割服务器集群，社交网络集群分割，等等。 算法步骤 K-Means的算法步骤可以如下图所列： 其中第一个for循环叫Cluster Assignm...
机器学习之K-Means（k均值）算法
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
06-20 1万+
K-Means算法又称K均值算法，属于聚类（clustering）算法的一种，是应用最广泛的聚类算法之一。所谓聚类，即根据相似性原则，将具有较高相似度的数据对象划分至同一类簇，将具有较高相异度的数据对象划分至不同类簇。聚类与分类最大的区别在于，聚类过程为无监督过程，即待处理数据对象没有任何先验知识，而分类过程为有监督过程，即存在有先验知识的训练数据集。K-Means是无监督学习的杰出代表之一。
K-Means Algorithm（K-均值算法）
冯小妞成长记
04-22 3624
K-Means algorithms(K-均值)K-means算是一个很简单的聚类算法，而聚类与决策树、SVM等不同，是一种无监督的学习。
k-means clustering 算法 用于机器学习和模式识别
02-01
k-means clustering,聚类,用于机器学习和模式识别。 下面是英文介绍：In statistics and machine learning, k-means clustering is a method of cluster analysis which aims to partition n observations into k ...
somnathchouwdhury-weather-analysis-clusteing-using-k-means-algorithm-machine-learning:我们将学习如何在Python中使用scikit-learn执行k均值光泽
03-30
somnathchouwdhury天气分析聚类，使用k均值算法学习机器 我们将学习如何在Python中使用scikit-learn执行k-means聚类。 您可以从以下链接下载数据集： : 确保将csv文件和python代码保留在同一文件夹中，或相应地...
K-means algorithm原理及使用
Xyc19930930的博客
09-03 4227
K-means clustering algorithm，K-means聚类算法，它是无监督聚类的一种，可以用距离度量来将样本集分成K个类。 1. 关于K-means algorithm     假如有如下的样本分布情况（左图），那么对这些样本进行聚类，我们人为做会怎么做（右图）。     那么如果，样本的分布情况是这样的：          人为怎么来进行聚类呢，或者出现样本中
k-means聚类算法（matlab实现）
qq_40276082的博客
04-18 7648
k-means聚类算法是硬聚类算法的一种，即在n纬欧几里得空间把n个样本数据分为k类。首先根据用户要确定聚类的数目k,随机性的选取k个样本，把每一个对象成为一个种子，每一个种子代表一个类的中心，对其余的每个对象，采用近邻原则，将它们赋给最近的类。重新计算在每个类中对象的均值新形成的聚类中心，重复进行这个过程直到函数式收敛为止。K-means算法是一种无监督学习算法，用于将n个数据点划分为k个簇（cluster）。该算法的主要思想是将数据点划分为k个簇，使得同一簇内的数据点彼此相似，而簇间的数据点相差较大。
算法金 | 一文读懂K均值（K-Means）聚类算法
最新发布
算法金「全网同名」的博客
06-05 2377
2.1 监督学习与无监督学习的对比监督学习需要预先标记的输出结果来训练模型，常用于分类和回归任务。无监督学习不依赖于标注输出，而是通过分析数据的内在结构和关系来学习数据的分布或模式，聚类是无监督学习中的典型例子。2.2 K-Means算法简介K-Means算法通过迭代过程选择簇中心和划分簇来优化簇内距离，直到达到最优或满足停止条件。该算法只需要指定簇的数量 k，并对初始簇中心的选择敏感。2.3 K-Means的应用实例。
K-Means（K-均值）聚类算法理论和实战
击水三千里的专栏
08-28 5483
对于 n 个样本点来说，根据距离公式（如欧式距离）去计算它们的远近，距离越近越相似。按照这样的规则，我们把它们划分到 K 个类别中，让每个类别中的样本点都是最相似的。
【海量数据挖掘/数据分析】之 K-Means 算法（K-Means算法、K-Means 中心值计算、K-Means 距离计算公式、K-Means 算法迭代步骤、K-Means算法实例）
热门推荐
仙魁XAN
07-07 2万+
① 给定条件 :给定数据集 X , 该数据集有 n 个样本;将其分成 K 个聚类;③ 聚类分组要求 :每个聚类分组中 , 所有的数据样本 , 与该分组的中心点的距离之和最小;将每个样本的与中心点距离计算出来 , 分组中的这些距离累加 , K 个分组的距离之和 也累加起来 , 总的距离最小;①设置中心点 :设置了 3 个初始中心点 , A1​(2,4) 对应聚类 1 中心点 , B1​(5,8) 对应聚类 2 中心点 , C1​(6,2) 对应聚类 3 中心点;②计算中心点距离。
hac 估计 matlab程序,CV算法：K-means 、HAC、Mean Shift Clustering
weixin_33695092的博客
03-20 650
At the high level, we can specify Mean Shift as follows :Fix a window around each data point.Compute the mean of data within the window.Shift the window to the mean and repeat till convergence.K-means...
K-means Algorithm 聚类算法
GarfieldEr007的专栏
05-22 1万+
在监督学习中，有标签信息协助机器学习同类样本之间存在的共性，在预测时只需判定给定样本与哪个类别的训练样本最相似即可。在非监督学习中，不再有标签信息的指导，遇到一维或二维数据的划分问题，人用肉眼就很容易完成，可机器就傻眼了，图(1)描述得很形象。 但处理高维度的数据，人脑也无能为力了，最终还是得设计算法让机器来完成。如何将所有样本分成若干个类簇(cluster)，并且每个类簇中的样本具
k-means algorithm
prison break rabbit
03-03 535
来自：http://zipperary.com/2013/06/10/k-means-algorithm/ k-means algorithm 最近在学习『机器学习』这门课，使用的斯坦福大学Andrew Ng在Coursera的在线课程。机器学习主要包括有监督学习和无监督学习。我的学习进度到了后者。今天学习的是无监督学习中最常见、最普遍、最基础的一类问题——clustering
K-均值算法 (K-Means Algorithm)
wf4csdn的博客
08-09 243
又名K-均值聚类算法 (K-Means Clustering Algorithm)，非监督式学习常用的聚类算法。1. 实现给定： - 训练样本{x(1),x(2),...,x(m)}, x(i)∈Rn\{x^{(1)},x^{(2)},...,x^{(m)}\},\ x^{(i)}\in\mathbb R^n - 分类数目KK随机初始化KK个聚类中心 (Culster Centroids) μ1
机器学习笔记 ---- K-Means Algorithm
J. Cole
09-02 229
1. K-Means Algorithm Randomly choose xxx points as centroids, i-th is μiμi\mu_i Divide all points into xxx groups by determining the minimum distance they have from all xxx centroids Change the cent...
机器学习中的K-means聚类分析
此PPT详细介绍了聚类分析的基本概念、层次聚类（Hierarchical Clustering）和K-means聚类方法，以及相关的算法实现。" 在机器学习和数据挖掘中，聚类分析是一种无监督学习方法，其目标是依据数据的内在特性，将数据...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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