k均值的损失函数_K-means算法笔记

最新推荐文章于 2025-02-27 23:21:47 发布

weixin_39747755

最新推荐文章于 2025-02-27 23:21:47 发布

阅读量3.2k

点赞数 1

文章标签： k均值的损失函数

本文链接：https://blog.csdn.net/weixin_39747755/article/details/111645187

版权

K-means算法是一种聚类方法，通过迭代更新质心以最小化点到簇中心的距离平方和。它有快速、可伸缩性的优点，但也存在局部最优和K值选择困难的挑战。Python实现中，随机初始化和二分K-means策略用于优化结果。选择合适的K值通常依赖于肘部法则，但并不总是直观。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

简介

K-means算法又叫K-均值算法，是非监督学习中的聚类算法。

基本思想

在K-means算法中，用cluster来表示簇，K-means算法收敛等同于所有质心不再发生变化。基本的k-means算法流程如下：

选取k个初始质心(作为初始cluster，每个初始cluster只包含一个点)；repeat: 对每个样本点，计算得到距离其最近的质心，将其类别标为该质心所对应的cluster； 重新计算k个cluster对应的质心(质心是cluster中样本点的均值)；util 质心不再发生变化 或 到达最大迭代次数

K-means的本质是移动中心点，使其逐渐靠近数据“中心”，即最小化目标函数，目标函数为每个点到其簇质心的距离平方和：