← 返回起始笔记位置

知识卡片

操作参考卡 · 9841.j · 生成模型:Hunyuan

KMeans实现:距离、质心与迭代

理解等级:中级

手写 KMeans 由几个固定部件拼成。距离用欧氏距离 distEclud(vecA, vecB),返回 linalg.norm(vecA−vecB),衡量对象与质心的远近,可加极小量 eps 防除零。初始质心由 randCenters(dataSet, k) 生成:对每一维取该维最小值加随机比例乘极差,使 k 个质心落在数据范围内。主循环用 ClustDist 这张 m×2 的表记录每行所属簇及其到质心的距离,flag 作为退出标志初始为真;每轮先把 flag 置假,遍历所有对象重算到 k 个质心的距离并取最小者索引,一旦发现归属与上一轮不同就把 flag 置回真,随后对每个簇用 mean(ptsInClust, axis=0) 按列求均值更新质心。循环直到没有任何归属变化。最后按簇编号着色画散点、用菱形标出质心,即可观察聚类结果。

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 推荐系统原理 · 查看原书依据

      while flag: # 主循环 flag = False # 默认设置退出标志(False) 第三阶段:内循环1遍历DataSet数据集,计算DataSet每行与聚类的最小欧式距离,并以此更新聚类中心。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第4章 推荐系统原理(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00016.html) - 结论依据:原文在辅助函数与聚类主函数两节给出 distEclud、randCenters、ClustDist 与 flag 的具体代码和四阶段流程,支撑本卡对手写实现的说明。 - 原始内容:while flag: # 主循环 flag = False # 默认设置退出标志(False) 第三阶段:内循环1遍历DataSet数据集,计算DataSet每行与聚类的最小欧式距离,并以此更新聚类中心。