原书出处
机器学习算法原理与编程实践
04 第4章 推荐系统原理
s并不是总能够找到正确的聚类,下面是不能找到正确分类的情况,如图4.13所示。 图4.13 KMeans聚类的错误结果
KMeans擅长处理球状分布的数据,当结果聚类是密集的,而且类和类之间的区别比较明显时,K均值的效果比较好。对于处理大数据集,这个算法是相对可伸缩的和高效的,它的复杂度是O(nkt),n是对象的个数,k是簇的数目,t是迭代的次数。
相比其他的聚类算法,KMeans比较简单、容易掌握,这也是其得到广泛使用的原因之一。 但KMeans算法也存在一些问题。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00016.html
EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d