← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9812.s · 生成模型:DeepSeek-V4.1-Flash

K 均值:硬聚类与 k 的选择

理解等级:中级

K 均值是划分式聚类:事先给定类别数 k,把样本分到这 k 类里,目标是每个样本到所属类中心的距离最小。每个样本只能属于一类,所以是硬聚类;距离用欧氏距离平方。

迭代四步:随机选 k 个样本作初始中心 → 每个样本指派给最近的中心 → 用各类样本均值更新中心 → 重复直到收敛或触发终止条件。

两个必须知道的局限。第一,它是启发式方法,不保证收敛到全局最优,初始中心的选择会直接影响结果——常见的补救是先用层次聚类聚到 k 类,再从每类挑一个离中心最近的样本作初始中心。第二,k 需要事先指定,而现实中合适的 k 往往未知,只能反复试。可以用类的平均直径作判据:k 变小时平均直径会上升,当 k 超过某个值后平均直径不再明显变化,该处的 k 就比较合适。

适用边界:K 均值假设类近似球形且规模相近,遇到长条形、密度差异大的类会切错;对离群点也敏感,因为它用均值做中心,一个极端点就能把中心拽偏。

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

    • 第4章 搜索系统框架及原理 · 查看原书依据

      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

    参考来源

    - 位置:《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)》第4章 搜索系统框架及原理(源文件: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) - 结论依据:原文指出 K 均值是启发式方法、结果依赖初始中心,并给出用层次聚类预聚类的补救方案,支撑对局部最优局限的判断。 - 原始内容: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