← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9841.k · 生成模型:Hunyuan

KMeans的局限与适用条件

理解等级:高级

KMeans 的有效性有明确前提,越过边界就会给出误导性结果。它假设簇是球状、密集且彼此分开的,这类数据上效果最好;对大数据集它相对可伸缩且高效,复杂度为 O(nkt),其中 n 是对象数、k 是簇数、t 是迭代次数。三条局限限制了它。其一,初始质心随机选取,可能让迭代次数暴增或收敛到局部最优,而算法常以局部最优结束。其二,k 必须由使用者事先给定,取值多靠经验与反复实验,不同数据集之间无可直接借鉴的取值。其三,它对离群点敏感,少量噪声就能把均值质心拉偏,使簇结构失真。因此面对非球状分布、簇间重叠或含大量噪声的数据时,应先考虑改用其他聚类方法或先做离群点处理;二分 KMeans 正是针对局部最优问题提出的改进。

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

      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。

    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:原文给出 KMeans 擅长的球状密集数据与复杂度 O(nkt),并列出初始中心、预设 k、离群点敏感三条问题,支撑本卡对适用边界的评价。 - 原始内容: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。