a*算法的优缺点_机器学习——聚类算法之Kmeans算法原理

本文介绍了无监督学习中的聚类算法,重点讨论了K-means算法的原理、过程及其优缺点。K-means算法以距离作为相似性标准,通过迭代寻找聚类中心。算法的优点包括处理大数据集的高效性,但缺点在于K值选择困难、对噪声和孤立点敏感,以及初始中心选择的影响。为避免局部最优,通常需多次运行并比较结果。
摘要由CSDN通过智能技术生成
c4e8437039d2ba544ec4c3a500dfd824.png c4e8437039d2ba544ec4c3a500dfd824.png e7b10eacd1958dc7e8fdef353cbff1aa.png 79540719e4d5215562c6f97a682f6887.png

概述

- Happy Halloween -

说到聚类算法,首先需要先介绍一下无监督学习。所谓无监督学习,就是训练样本中的标记信息是位置的,目标是通过对无标记训练样本的学习来揭示数据的内在性质以及规律。通俗地说,就是根据数据的一些内在性质,找出其内在的规律。而这一类算法,应用最为广泛的就是“聚类”。

聚类算法可以对数据进行数据归纳,即在尽可能保证数据完整的前提下,减少数据的量级,以便后续处理。也可以对聚类数据结果直接应用或分析。

而K-means 算法可以说是聚类算法里面较为基础的一种算法。

becc52829bfbb1ceaa7519b892b9ed33.png 79540719e4d5215562c6f97a682f6887.png

K-means算法

- Happy Halloween -

K-means算法采用距离作为相似性的评价指标,认为两个对象的距离越近,其相似度就越大。该算法认为簇是由距离靠近的对象组成的,因此把

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