播放
速度:
0.5
1
2
5
算法概览
简介:k-means的是无监督学习中的一种。目的是将数据点进行分类,将相似的数据点分为一组。
整体流程大致分为俩步。 一:聚类:先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离,把每个数据点分配给距离它最近的聚类中心。 二:聚类中心移动:计算所有归属此聚类中心的数据点的中心位置,然后将聚类中心向中心点靠近。 重复上述流程直到满足条件后停止分类计算。 常见停止条件: 1)没有(或最小数目)对象被重新分配给不同的聚类。 2)没有(或最小数目)聚类中心再发生变化。