基于Python的K-means算法及案例

本文介绍了k-means算法的基本原理和主要步骤,这是一种广泛应用的聚类算法。算法通过迭代将数据集划分成多个类别,目标是使类内的紧密度最大化,类间的独立度最大化。内容包括如何随机选择初始中心点,计算样本点与中心点的距离,并根据距离进行类别分配,以及如何更新类中心,直至中心点不再变化。
摘要由CSDN通过智能技术生成
  • 算法简介

k-means算法也被称为k-平均或k-均值,是一种得到最广泛使用的聚类算法。算法的主要思想是通过迭代过程把数据集划分为不同的类别,使得评价聚类性能的准则函数达到最优,从而使生成的每个类内紧凑,类间独立。

算法主要步骤如下:

1)输入类的数目k和包含m个对象的数据库。

2 随机选取k个样本点作为k个类的中心

3 分别对m个样本点计

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