假设数据挖掘的任务是将如下的8个点(用(𝑥, 𝑦)表示位置)聚类为3个
簇。
𝐴1 2,10 , 𝐴2 2,5 , 𝐴3 8,4 , 𝐵1 5,8 , 𝐵2 7,5 , 𝐵3 6,4 , 𝐶1 1,2 , 𝐶2 4,9
距离函数是欧氏距离。假设初始选择𝐴1, 𝐵1和𝐶1分别为每个簇的中心,
用K-Means算法给出:
(1)在第一轮执行后的3个簇中心。
(2)最后的3个簇
数据挖掘——聚簇
于 2022-05-11 16:49:22 首次发布
假设数据挖掘的任务是将如下的8个点(用(𝑥, 𝑦)表示位置)聚类为3个
簇。
𝐴1 2,10 , 𝐴2 2,5 , 𝐴3 8,4 , 𝐵1 5,8 , 𝐵2 7,5 , 𝐵3 6,4 , 𝐶1 1,2 , 𝐶2 4,9
距离函数是欧氏距离。假设初始选择𝐴1, 𝐵1和𝐶1分别为每个簇的中心,
用K-Means算法给出:
(1)在第一轮执行后的3个簇中心。
(2)最后的3个簇