k-means算法

k-means算法是一种聚类方法,通过迭代找到数据的最优分组。它需要预先设定簇的数量,根据数据与中心点的距离进行聚类。算法在数学上已证明会收敛,但结果受初始中心点选择和簇数量设定影响。当簇数量不合理或中心点位置不同,聚类结果会变化。层次聚类算法则不需要预设簇的数量,通过不断合并最近的簇形成层次结构。
摘要由CSDN通过智能技术生成

k-means算法是聚类算法中的一种,它可以根据事先给定的簇的数量进行聚类
在这里插入图片描述
首先准备好需要聚类的数据,然后决定簇的数量。本例中我们将簇的数量定为3.此处用点表示数据,用两点间的直线距离表示数据间的差距。
在这里插入图片描述
随机选择3个点作为簇的中心点。
在这里插入图片描述
计算各个数据分别和3个中心点中的哪一个点距离最近。
在这里插入图片描述
将数据分到相应的簇中。这样,3个簇的聚类就完成了。
在这里插入图片描述
计算各个簇中数据的重心,然后将簇的中心点移动到这个位置。
在这里插入图片描述
重新计算距离最近的簇的中心点,并将数据分到相应的簇中。

  • 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