博文
算法学习（五）：K均值
||
1：聚类领域的K均值
K均值算法不难，直接给出算法的具体步骤：
（1）：选择K个点作为初始质心；
（2）：将每个点指派到最近的质心，形成K个簇；
（3）：重新计算每个簇的质心；
（4）：重复（2）、（3）直到质心不发生变化
2：初始质心的选择
这个过程通常是针对具体的问题有一些启发式的选取方法，或者大多数情况下采用随机选取的办法。因为前面说过 k-means 并不能保证全局最优，而是否能收敛到全局最优解其实和初值的选取有很大的关系，所以有时候我们会多次选取初值跑 k-means ，并取其中最好的一次结果。
3：指派到最近的质心
通常使用欧几里得距离就可以了，因为算法需要重复计算每个点与每个质心的相似度
4：目标函数
使用误差的平方和来作为度量聚类质量的目标函数（SSE）。
SSE = $SSE=\sum_{i=1}^{k}\sum_{x \in Ci} dist(ci,x)^{2}$
https://blog.sciencenet.cn/blog-796597-628676.html
上一篇：算法学习（四）：支持向量机（续）
下一篇：算法学习（六）：最近邻分类器（KNN）
扫一扫，分享此博文