【机器学习课程-华盛顿大学】：4 聚类和检索 4.3 k-means

1、简介

k-means一种非监督学习模型

输入：文档向量

输出：聚类标签

 

cluster定义：中心，形状

k-means是计算到center中心的距离，是忽略形状的。

 

2、k-means算法步骤

 

3、k-means是一种坐标下降算法：

 

4、k-means收敛：局部最优

 

5、k-means++

跟k-means的区别在于：一开始聚类中心的初始化不一样，其他均一样

越远，越有可能成为新的聚类中心。

 

k-means++一开始初始化浪费时间较多，但后面收敛很快。

 

6、k-means中k的选择

k越大，越容易过拟合

k的选择见下图：

 

7、MapReduce映射和规约

每个机器先独立处理一部分文档

每个机器独立统计不同的words，其他机器将本机器要处理的发送过来。（Hash实现）

 

8、MapReduce实现k-means

 

9、测试

第4题答案是false，想不通，我觉得4是对的。

 

我选了1,2,5还有2,5都是错的。