知识卡片
k-均值靠两阶段交替
k-均值先指定簇数 k,再反复做两件事:把每个点分配给距离最近的中心;把每个簇的中心移到簇内所有点的均值。这两步各自在对方固定的前提下都是最优的——中心不动时,最近分配使平方距离和最小;分配不动时,均值是使平方距离和最小的点。用平方距离而非距离本身,正是为了让均值成为最优点,同时放大大偏差的影响。循环的终止条件是没有点改变归属,此时再算一遍也不会变。边界情况是某个簇可能被分空:对空集求均值没有定义,常见处理是随机挑一个点临时充当该簇中心,让它还有机会重新吸引到点。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第20章 聚类分析 · 查看原书依据
计算每个数据点到这些聚类的均值的距离,将每个点分配给最接近的聚类。 如果没有点被重新分配,则停止并保持现有聚类。 如果仍有数据点被重新分配,则重新计算均值并返回到步骤 2。
参考来源
- 位置:《数据科学入门(第2版)》第20章 聚类分析(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0024.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「计算每个数据点到这些聚类的均值的距离,将每个点分配给最接近的聚类……」
- 原始内容:计算每个数据点到这些聚类的均值的距离,将每个点分配给最接近的聚类。 如果没有点被重新分配,则停止并保持现有聚类。 如果仍有数据点被重新分配,则重新计算均值并返回到步骤 2。