溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

怎樣理解K-均值聚類原理

發(fā)布時間：2021-12-03 16:17:53 來源：億速云 閱讀：219 作者：柒染 欄目：大數(shù)據(jù)

怎樣理解K-均值聚類原理，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

如何正確使用K-均值聚類

無監(jiān)督學習是指從無標注數(shù)據(jù)中學習模型的機器學習問題。無標注數(shù)據(jù)是自然得到的數(shù)據(jù)，模型表示數(shù)據(jù)的類別、轉(zhuǎn)換或概率無監(jiān)督學習的本質(zhì)是學習數(shù)據(jù)中的統(tǒng)計規(guī)律或潛在結(jié)構(gòu)，主要包括聚類、降維、概率估計。

KMeans算法是典型的基于距離的聚類算法，采用距離作為相似性的評價指標，即認為兩個對象的距離越近，其相似度就越大。該算法認為簇是由距離靠近的對象組成的，因此把得到緊湊且獨立的簇作為最終目標。  
K個初始聚類中心點的選取對聚類結(jié)果具有較大的影響，因為在該算法第一步中是隨機地選取任意k個對象作為初始聚類中心，初始地代表一個簇。該算法在每次迭代中對數(shù)據(jù)集中剩余的每個對象，根據(jù)其與各個簇中心的距離賦給最近的簇。當考查完所有數(shù)據(jù)對象后，一次迭代運算完成，新的聚類中心被計算出來。
算法過程如下：  
 （1）從N個數(shù)據(jù)文檔（樣本）隨機選取K個數(shù)據(jù)文檔作為質(zhì)心（聚類中心）。  
 本文在聚類中心初始化實現(xiàn)過程中采取在樣本空間范圍內(nèi)隨機生成K個聚類中心。  
 （2）對每個數(shù)據(jù)文檔測量其到每個質(zhì)心的距離，并把它歸到最近的質(zhì)心的類。  
 （3）重新計算已經(jīng)得到的各個類的質(zhì)心。  
 （4）迭代（2）~（3步直至新的質(zhì)心與原質(zhì)心相等或小于指定閾值，算法結(jié)束。

怎樣理解K-均值聚類原理

下圖為幾張GIF，形象說明k均值聚類的過程。
數(shù)據(jù)點。

怎樣理解K-均值聚類原理

從最左邊的4點開始

怎樣理解K-均值聚類原理

從最右邊的4點開始

怎樣理解K-均值聚類原理

從4個最高點開始

怎樣理解K-均值聚類原理

從4個底線開始

怎樣理解K-均值聚類原理

從一個簇中的4個隨機點開始

怎樣理解K-均值聚類原理

關(guān)于怎樣理解K-均值聚類原理問題的解答就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關(guān)注億速云行業(yè)資訊頻道了解更多相關(guān)知識。

向AI問一下細節(jié)

免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手