知识卡片

结构图卡 · 6256.n

均值聚类交替分配与更新

理解等级:中级

k-means先给定k个中心,再交替把点分给最近中心、以每组均值更新中心,重复至满足收敛或停止条件。k指定想形成的组数,不是算法从数据自动证明的真实类别数;随机初始化和k的选择会影响结果,图3-7的9次只是样例。

结构图:算法流程,不是类之间的关系。

flowchart TD
 A["选定k与初始中心"] --> B["每点分给最近中心"]
 B --> C["按组重新计算均值"]
 C --> D{"满足停止条件?"}
 D -->|否| B
 D -->|是| E["输出分组与中心"]

一次分配约进行nk次中心比较,总成本还乘迭代次数,并受特征维数和实现影响;不能把O(nk)直接当任何情况的整次运行保证。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      每次迭代就会计算“k个均值”)。 4.重复上述2~3步,直至两个迭代周期之间每类的成员不再发生改变。一般来说,只需若干次迭代该算法就会收敛。 k-means第一眼看起来可能不是太直观,图3-7展示了算法每次迭代得到的结果,如网上的“聚类算法教程”(http://bit.ly/1a1mbtp)所显示的那样,该图是用一个交互的Java小程序来实现的。使用的样本参

    参考来源

    - 位置:《社交网站的数据挖掘与分析(原书第2版)》第3章《3.3.4 聚类算法》(spine79;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0068.html;u051-ch03-033)。 - 结论依据:原文在“每次迭代就会计算”附近的定义、例子或代码支撑本卡核心说明:k-means先给定k个中心,再交替把点分给最近中心、以每组均值更新中心,重复至满足收敛或停止条件。边界按已读前提解释;示例未执行。 - 原始内容:每次迭代就会计算“k个均值”)。 4.重复上述2~3步,直至两个迭代周期之间每类的成员不再发生改变。一般来说,只需若干次迭代该算法就会收敛。 k-means第一眼看起来可能不是太直观,图3-7展示了算法每次迭代得到的结果,如网上的“聚类算法教程”(http://bit.ly/1a1mbtp)所显示的那样,该图是用一个交互的Java小程序来实现的。使用的样本参