知识卡片
K-means交替更新
给定中心,把每点分入最近簇能最小化该点的平方误差。固定归属后,在每簇内用均值更新中心能再次最小化平方误差。两步反复执行并用中心移动或目标函数变化判断停止。
结构图:
flowchart TD
Start[选定初始中心] --> Assign[将样本分给最近中心]
Assign --> Mean[用簇内均值更新中心]
Mean --> Stop{达到停止条件}
Stop -->|否| Assign
Stop -->|是| Result[输出中心和样本归属]
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 距离选择与交替聚类 · 查看原书依据
个样本点的类簇归属,同时规定,每个聚类中心为该类簇内所有样本点的均值。因此,每个类簇的聚类中心的更新方式为
参考来源
- 位置:《机器学习基础》第5章,5.2 K-means算法的基本原理(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter34.xhtml)
- 结论依据:原文借「每个聚类中心为该类簇内所有样本点的均值」处的论述给出本卡所解释的关系或做法。
- 原始内容:个样本点的类簇归属,同时规定,每个聚类中心为该类簇内所有样本点的均值。因此,每个类簇的聚类中心的更新方式为