K-means
聚类算法
过程
- 随机设定k 个 中心点。(初始化参数)
- 循环所有的点,计算与中心点的距离,分到最近的类。(E-step)
- 重新计算中心点(坐标求平均)。(M-step)
- step2, 3
- 停止条件:肯定会收敛,当不动了
目标函数
针对每个分类,计算出点到中心点的距离,希望距离的平方和最小.
k clusters
μ k 表 示 第 k 个 类 的 中 心 点 坐 标 \mu_{k} \quad 表示第k个类的中心点坐标 μk表示第k个类的中心点坐标
r n k = { 1 当 x n 属 于 第 k 类 0 o t h e r w i s e r_{n k}=\left\{\begin{array}{l} 1 \quad 当x_n 属于第k类\\ 0 \quad otherwise \end{array}\right.