知识卡片
K-means的局部最优
分配和更新都无法增加目标函数,但不同初始中心会进入不同的局部解。可以用多个初值比较最终损失或用K-means++分散初始中心。较小的损失仍需结合数据形状与业务目的解读。
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
条件 ,算法就终止迭代。然而,采用贪婪的优化策略可能会使算法得到一个局部最优解,即所获的解(聚类中心)可能并不是全局最优解(能使损
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「采用贪婪的优化策略可能会使算法得到一个局部最优解」处的论述给出本卡所解释的关系或做法。
- 原始内容:条件 ,算法就终止迭代。然而,采用贪婪的优化策略可能会使算法得到一个局部最优解,即所获的解(聚类中心)可能并不是全局最优解(能使损