tft每日頭條

 > 知識

 > kmeans原理

kmeans原理

知識 更新时间:2025-03-10 16:11:25

  kmeans原理如下:

  輸入:聚類個數k,以及包含n個數據對象的數據庫。輸出:滿足方差最小标準的k個聚類。

  K-means算法是很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标,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标。K-Means算法是無監督的聚類算法,它實現起來比較簡單,聚類效果也不錯,因此應用很廣泛。K-Means算法有大量的變體,本文就從最傳統的K-Means算法講起,在其基礎上講述K-Means的優化變體方法。包括初始化優化K-Means++,距離計算優化elkanK-Means算法和大數據情況下的優化MiniBatchK-Means算法。

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关知識资讯推荐

热门知識资讯推荐

网友关注

Copyright 2023-2025 - www.tftnews.com All Rights Reserved