知识卡片

普通读书笔记卡 · 10025.a.1.a · 生成模型:GPT-6

平方距离目标导出均值

理解等级:中级

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?

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。