《统计学习方法》第 14 章 聚类方法 KMeans

k-均值聚类

n 个样本分到 k 个不同的类或簇,每个样本到其所属类的中心的距离最小。

每个样本只能属于一个类,所有 k-均值聚类硬聚类

模型

  • k < n

策略

  • 距离: 欧式距离
  • 损失函数:样本与所属类的中心的距离总保
  • NP 困难问题

算法

目标函数极小化

  1. 初始化,随机取 个样本做中心
  2. 对样本进行聚类,计算样本到类中心距离,每个样本指派到与其最近的中心的类
  3. 计算新的类中心。对聚类结果计算样本的均值,做为新的类中心
  4. 如果迭代收敛或符合停止条件,输出。否则,令 ,返回 2

源码:github.com/iOSDevLog/s…

转载于:https://juejin.im/post/5cfe7baef265da1b6a348a19

你可能感兴趣的:(数据结构与算法)