知识卡片
K均值需要选择簇数
K 均值聚类以预设的 K 将数据分组,并用簇中心概括各组。K 是训练前选择的超参数:过少可能合并不同结构,过多可能拆分相似数据。聚类结果取决于数据表示和距离,得到 K 个簇不证明它们就是自然类别。
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
- 分类 · 查看原书依据
因为该算法使用点组的均值或者平均数来开发它们的簇
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第7章《分类》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0014_split_005.html`)
- 结论依据:原文解释二分类组合、聚类或高维空间;卡片中明确模型与几何约束。
- 原始内容:因为该算法使用点组的均值或者平均数来开发它们的簇,所以称之为k均值聚类。 能够自由选择k值可谓福祸相依。优点是,如果事先知道应该有多少个簇,就可以告诉算法,由此得到想要的结果。 记住,计算机不知道“我们认为的簇边界”应该