聚类

最新推荐文章于 2024-08-26 16:59:04 发布

原创最新推荐文章于 2024-08-26 16:59:04 发布 · 336 阅读

·

0

·

本内容遵循CC 4.0 BY-SA版权协议

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

收录于

机器学习

本文深入探讨了K均值聚类算法的核心原理，详细解释了如何通过最小化平方误差来寻找最优的聚类中心，进而实现对数据集的有效划分。

k均值

给定样本集 $D=\{x_1,\cdots,x_m\}$ ，k均值针对划分 $C=\{C_1,\cdots,C_k\}$ 最小化平方误差

E = \sum i = 1 k \sum x \in C i | | x - μ i | | 22

$E=\sum_{i=1}^{k}\sum_{x\in C_i}||x-\mu_i||_2^2$
其中，

μiμi $\mu_i$ 是

CiCi $C_i$ 的均值向量。

μ i = 1 | C i | \sum x \in C i x

$\mu_i=\frac{1}{|C_i|}\sum_{x\in C_i}x$

这里写图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。