机器学习(5): K-means 算法

《机器学习(5): K-means 算法》

3. K-means 算法:        3.1 Clustering 中的经典算法,数据挖掘十大经典算法之一      3.2 算法接受参数 k ;然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一            聚类中的对象相似度较高;而不同聚类中的对象相似度较小。      3.3 算法思想:            以空间中k个点为中心进行聚类,对最靠近他们的对象归类。通过迭代的方法,逐次更新各聚类中心                 的值,直至得到最好的聚类结果      3.4 算法描述:                      (1)适当选择c个类的初始中心;           (2)在第k次迭代中,对任意一个样本,求其到c各中心的距离,将该样本归到距离最短的中心所在                        的类;           (3)利用均值等方法更新该类的中心值;           (4)对于所有的c个聚类中心,如果利用(2)(3)的迭代法更新后,值保持不变,则迭代结束,                    否则继续迭代。      
3.5 算法流程:                       输入:k, data[n];           (1) 选择k个初始中心点,例如c[0]=data[0],…c[k-1]=data[k-1];           (2) 对于data[0]….data[n], 分别与c[0]…c[k-1]比较,假定与c[i]差值最少,就标记为i;           (3) 对于所有标记为i点,重新计算c[i]={ 所有标记为i的data[j]之和}/标记为i的个数;           (4) 重复(2)(3),直到所有c[i]值的变化小于给定阈值。  
《机器学习(5): K-means 算法》
《机器学习(5): K-means 算法》
《机器学习(5): K-means 算法》

    原文作者:静悟生慧
    原文地址: https://www.cnblogs.com/Allen-rg/p/6510760.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注