知识卡片
平方距离目标导出均值
给定一个簇,最小化 Σ‖xᵢ−μ‖² 的解是均值,因为对 μ 求导得到 2Σ(μ−xᵢ),置零后 μ=Σxᵢ/n。平方距离强调离中心远的点,因此偏远点会明显移动均值。
[[K均值交替分配和更新]]。平方目标解释中心更新为何选择均值。
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
- 9.2.2 K-means聚类算法的数学解析 · 查看原书依据
对于K-means的数学表达式还有另一种解释,将距离看成是簇内数据样本点与质心的平方误差,平方误差越小,说明簇内数据样本点围绕质心越紧,通过最小化平方误差,也就找到了数据样本点最“扎实”的K个簇。
参考来源
- 位置:《机器学习算法的数学解析与Python实现》9.2.2 K-means聚类算法的数学解析(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00098.html`)
- 结论依据:本节末段以平方误差说明目标,卡片明确区分普通距离和平方距离。
- 原始内容:对于K-means的数学表达式还有另一种解释,将距离看成是簇内数据样本点与质心的平方误差,平方误差越小,说明簇内数据样本点围绕质心越紧,通过最小化平方误差,也就找到了数据样本点最“扎实”的K个簇。