知识卡片
K均值交替分配与更新
选定 K 个初始中心,把每个样本分给最近的中心,再用各组坐标均值更新中心。重复分配和更新,直到成员或中心的变化足够小。对平方欧氏距离,这两步依次优化同一个簇内平方误差目标。初始中心不同可能得到不同的局部解。
结构图:
flowchart TD
A[选择 K 个初始中心] --> B[样本分给最近中心]
B --> C[各组取均值得到新中心]
C --> D{中心或分组稳定}
D -->|否| B
D -->|是| E[输出分组和质心]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- K-means聚类算法 6.2 · 查看原书依据
心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了,每个聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止
参考来源
- 位置:《AI制胜:机器学习极简入门》第6章 K-means聚类算法 §6.2(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter6.xhtml#isbn9787302555513_6_1_2)
- 结论依据:原书用 9 点及 3 个中心展示步骤,并列出终止条件。
- 原始内容:心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了,每个聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止