原书出处
智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)
04 第4章 搜索系统框架及原理
3)计算当前各个类中的样本的均值,作为新的聚类中心。 4)重复第2步和第3步,直到迭代收敛或者满足聚类终止的条件为止。
K均值聚类属于启发式方法,不能保证收敛到全局最优,且初始聚类中心的选择会直接影响聚类的结果,因此在选择初始聚类中心时可以考虑用层次聚类对样本进行聚类,得到k个类时停止
,然后从每个类中选取一个与中心聚类最近的样本点。这里类别数k需要事先指定,但实际中往往最合适的k值是未知的,所以需要不断
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0065.html
EPUB SHA-256:7c59ad7c208225d5ad9ff8ebac84642c693438b69bb9a48fad164b9dfb1eb976