标签：python data-mining cluster-analysis k-means centroid

我正在努力在Python中实现k-means聚类.为数据集选择初始质心的好方法是什么？例如：我有以下数据集：

A,1,1
B,2,1
C,4,4
D,4,5

我需要创建两个不同的集群.我如何从质心开始？

解决方法:

您可能想要了解K-means++方法,因为它是选择初始质心的最流行,最简单和最一致的结果方式之一.在这里你有paper.它的工作原理如下：

>从数据点中随机选择一个中心.
>对于每个数据点x,计算D(x),x与已经选择的最近中心之间的距离.
>使用加权概率分布随机选择一个新数据点作为新中心,其中选择点x的概率与D(x)^ 2成比例(您可以使用scipy.stats.rv_discrete).
>重复步骤2和3,直到选择了k个中心.
>现在已经选择了初始中心,继续使用标准的k-means聚类.

标签：python,data-mining,cluster-analysis,k-means,centroid
来源： https://codeday.me/bug/20190829/1759630.html

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。