K-MEANS聚类

聚类术语无监督的学习,K-means算法是基于距离的聚类算法,采用 距离作为相似性的评价指标,如果两个文档之间的距离越近那么认为两个文档的聚类越近。
算法:
1)初始化质心:从N个实验文本中随机选取K个文档作为质心
2)计算距离:对剩余的每个文本 计算其到每个 质心的距离,并把它归并到最近的质心的类
3)更新质心:重新计算已经得到的各个类的质心
4)迭代条件:迭代2~3步直至新的质心与原 质心相等小于指定阈值,算法结束

 但是该聚类方法存在以下问题:
1、初始类质心的选择对聚类结果会有很大的影响。
 
2、该方法需要不断的迭代计算,需要很大的运算开销。
 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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