K-Means算法,KNN算法,朴素贝叶斯算法,决策树

常用距离
  • 曼哈顿距离
  • 切比雪夫距离
  • 欧氏距离

K-means算法
  • 算法流程:

    1. 选择聚类的个数k.
    2. 任意产生k个聚类,然后确定聚类中心,或者直接生成k个中心。
    3. 对每个点确定其聚类中心点。
    4. 再计算其聚类新中心。
    5. 重复以上步骤直到满足收敛要求。(通常就是确定的中心点不再改变。),能收敛是因为EM算法
  • 流程如下图:

  • K-Means算法流程

  • 初始超参数给得不恰当时:

  • 初始超参数给得不恰当时

- K值的确定(记住这一点)

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