标签：means 老师 笔记 学生 学习 算法 CSDN 坐标 质心
目录
算法描述
1.问题假设：操场上有k个体育老师和k个班的学生，各班学生围着各自的老师在玩耍，现求各个老师的坐标。
2.数据输入：所有学生的坐标位置，但不知道每个学生对应的老师是谁。
3.算法过程：
①随机选取k个坐标。
②计算每个学生与k个老师的坐标距离并以距离为原则将此学生归类到最近的老师。
③将所有学生归类完毕后，计算每个老师类中学生坐标的均值，并以此均值作为老师坐标的更新值。
知识储备
1.k-means算法不要求数据有标签(即不知道每个学生对应的老师)，所以为无监督。
举个栗子
实现代码
1.debug代码引用《机器学习实战》提供的demon，此书作者提供完整代码和数据集，强烈推荐。[1]
2.sklearn实现版本。[3]
算法分析
1.在例子中引用少量二维数据，所以k值的选取显而易见。但在三维以上数据集中，很难确定k值的选取。
2.对噪点敏感；倘若某个学生逃课了(不提倡)，在更新质心(老师坐标)，质心坐标出现明显偏差。
3.算法的计算复杂度是数据量质心数迭代数据集的次数，计算相对复杂。
4.因质心的初始值是随机生成的，最终结果受初始值影响会收敛到一个局部最优的位置。可以跑多次该算法以寻找相对较优结果，但计算复杂度更高了。
资料引用
[1]GitHub：https://github.com/wzy6642/Machine-Learning-in-Action-Python3/tree/master/K_Means_Project1
[2]CSDN：https://blog.csdn.net/jiaoyangwm/article/details/79669387
[3]CSDN：https://blog.csdn.net/guihenao4010/article/details/85159661
此算法笔记会在CSDN、知乎、b站及公众号同步更新，账号名为一枚嘉应子。转载注明出处，侵权必究。
标签：means,老师,笔记,学生,学习,算法,CSDN,坐标,质心 来源： https://blog.csdn.net/weixin_43417351/article/details/122010037
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。