知识卡片

普通读书笔记卡 · 9979.b.2 · 生成模型:GPT-6

初始化左右局部聚类结果

理解等级:高级

中心迭代可能收敛到不同解。多次初始化并选择目标值最小的一次可以减少坏初值影响。k-means++ 用有策略的方式选种子,针对初始化。Elkan 方法减少可判定冗余的距离计算,针对的是迭代开销。

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 6.3 节把不同改进分别对准初始化和重复距离计算,第 6.4 节展示较差初始化。 - 原始内容:初始k个中心点的选取,对于最终结果有影响。