1. K-means 聚类算法的基本原理
Kmeans是无监督学习的代表，没有所谓的Y。主要目的是分类，分类的依据就是样本之间的距离。比如要分为K类。步骤是：
- 随机选取K个点。
- 计算每个点到K个质心的距离，分成K个簇。
- 计算K个簇样本的平均值作新的质心
- 循环2、3
- 位置不变，距离完成
2. 关于聚类的距离
Kmeans的基本原理是计算距离。一般有三种距离可选：
曼哈度距离：
欧式距离：
本文详细介绍了K-means聚类算法的基本原理，包括随机选择质心、计算样本距离并重新分配簇，以及如何衡量聚类效果的Inertia指标。通过Python的sklearn库实现了K-means建模和预测，并可视化了分类结果，是理解K-means算法的好材料。
最低0.47元/天 解锁文章
3011
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
