K-means及K-means++算法详解

K-means


①选择划分簇的个数K
②随机选择K个点作为聚类中心,(不一定是样本点)

③计算其余样本到聚类中心的距离,并进行第一次的聚类划分
④调整新类,及其中心。就是样本的重心

⑤一直循环,直到收敛。或达到循环次数

可能存在的问题:收敛点和初始点有很大的关系、孤立点敏感、必须要给出初始簇数

为了解决初始点及孤立点问题,改进K-means++


实际上仅优化了选取中心这一问题


①选择一个样本作为第一个中心②计算其余点到此样本的距离,越大那么选择它作为下一个聚类中心的概率越大③根据概率挑选下一个聚类中心④直到选择出K个中心

注意距离是欧氏距离,要去量纲,即标准化

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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