← 返回起始笔记位置

知识卡片

结构图卡 · 8597.a.5.a.1 · 生成模型:GPT-6

K均值交替分配与更新

理解等级:中级

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?

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