- 步骤
1.随机选择k个初始点作为聚类中心
2.将数据中每个对象赋予给最近的聚类中心
3.每一类数据求取质心,作为新的聚类中心
4.重复2和3,直到满足结束条件(迭代步数或者最终的聚类中心变化较小或者误差平方和变化较小)
注意:1.这里初始化是随机的,这会导致局部最优解,可以通过不断地做2均值聚类来提高性能,这是二分k均值算法,每次选择聚类后误差平方和最小的方式做2均值聚类
2.使用误差平方和,也就是每一类的数据点的方差之和作为衡量聚类效果的指标
问题:如何保证多次迭代后一定会使得误差平方和稳定?
标签:误差,中心,迭代,均值,平方和,算法,聚类 来源: https://blog.csdn.net/math_computer/article/details/100807053
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。