知识卡片
K均值交替分配与更新
标准 K 均值先指定簇数,再把每个数据点分给最近的中心,接着把各中心更新为簇内点的均值。交替更新的目标是降低簇内距离平方和。初值不同可能得到不同局部解,异常点会拉偏均值,细长或非凸簇也可能被切开。
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
- “机器学习”三重门,“中庸之道”趋若人 3.2 非监督学习 3.2.1 感性认识非监督学习 3.2.2 非监督学习的代表—K均值聚类 · 查看原书依据
当所有的点均被划分到一个簇后,再对簇中心进行更新。
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第03章《“机器学习”三重门,“中庸之道”趋若人》3.2(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter8_0002.xhtml#txt003_6)
- 结论依据:原文以该小节的定义、分类或近似实例界定 K均值交替分配与更新 的适用范围。
- 原始内容:当所有的点均被划分到一个簇后,再对簇中心进行更新。