知识卡片

结构图卡 · 9979.b · 生成模型:GPT-6

交替更新簇归属和中心

理解等级:中级

k-means 给无标签的向量学习 k 个代表中心。先按最近中心分配每个点,再把每组中心移到组内均值。两个步骤交替降低簇内平方距离和,直到中心稳定或达到迭代上限。单轮扫描 n 个 p 维样本和 k 个中心的主要代价是 O(npk)。

结构图:

flowchart TD
    A[初始化中心] --> B[按最近中心给样本分组]
    B --> C[取各组均值更新中心]
    C --> D{达到停止条件}
    D -->|未达到| B
    D -->|达到| E[输出划分和中心]
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

    参考来源

    - 位置:《机器学习观止:核心原理与实践》第06章《k-means》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter6.xhtml`)。 - 结论依据:第 6.2 节逐图说明分配与重算中心,并按 n、p、k 及轮数估算开销。 - 原始内容:计算每个聚类的平均值,以此作为新的中心点